TensorFlow模型詳解與應(yīng)用

　　DNNLinearCombinedClassifier 類繼承于類 Estimator，Estimator 類繼承于類 BaseEstimator。BaseEstimator 是一個(gè)抽象類，定義了通用的模型訓(xùn)練以及評(píng)測(cè)的函數(shù)接口 （train_model， evaluate_model， infer_model），Estimator 類中用一個(gè)統(tǒng)一函數(shù) call_model_fn 來(lái)實(shí)現(xiàn) train_model， evaluate_model， infer_model。

　　圖 7 estimator 的類關(guān)系圖

　　為了更好了解整個(gè)過(guò)程，我們看看內(nèi)部函數(shù)的調(diào)用過(guò)程（代碼可以參見(jiàn) estimator/estimator.py）：

　　圖 8 Estmiator 類的函數(shù)調(diào)用圖

　　模型訓(xùn)練通過(guò)調(diào)用 BaseEstimator 的 fit（） 接口開(kāi)始，其調(diào)用棧是：fit -》 _train_model -》 _get_train_ops -》_call_model_fn（ModelKeys.TRAIN） -》 _model_fn，最終_model_fn（） 產(chǎn)生模型并通過(guò) export 函數(shù)將模型輸出到 model_dir 對(duì)應(yīng)目錄中。

　　我們把訓(xùn)練模型的調(diào)用過(guò)程在代碼級(jí)別展開(kāi)，標(biāo)出關(guān)鍵的幾個(gè)函數(shù)和數(shù)據(jù)結(jié)構(gòu)，省略不關(guān)鍵的代碼，希望能讓讀者看到訓(xùn)練模型的大致過(guò)程：

　　圖 9 模型訓(xùn)練的調(diào)用棧

　　評(píng)測(cè)（evaluate）和預(yù)測(cè)（predict）的過(guò)程與訓(xùn)練（train）大致相同，讀者可以通過(guò)源代碼文件找到對(duì)應(yīng)函數(shù)了解?？梢钥闯?，整個(gè)函數(shù)調(diào)用棧中最關(guān)鍵的 2 個(gè)函數(shù)是： input_fn 和 model_fn。input_fn 從輸入數(shù)據(jù)中生成 features 和 labels，features 是一個(gè) Tensor 或者是一個(gè)從特征名到 Tensor 的字典，如果 features 是一個(gè) Tensor，程序會(huì)給這個(gè) Tensor 一個(gè)空字符串的鍵值，轉(zhuǎn)換成特征名到 Tensor 的字典。labels 是樣本的 label 構(gòu)成的 tensor。input_fn 由應(yīng)用程序調(diào)用者提供實(shí)現(xiàn)，返回（features， labels）二元組，要求 tf.get_shape（features）［0］ == tf.get_shape（labels）［0］，也就是兩個(gè) tensor 的行數(shù)目得保持一致。model_fn 定義訓(xùn)練和評(píng)測(cè)模型的具體邏輯，如模型訓(xùn)練產(chǎn)生的誤差 （model_fn_ops.loss） 以及訓(xùn)練算子（model_fn_ops.train_op）通過(guò)封裝在 EstmiatorSpec 的對(duì)象中由 training 的 Session 進(jìn)行調(diào)用。每個(gè)具體模型需要實(shí)現(xiàn)的是自定義的 model_fn。

　　DNNLinearCombinedClassifier 是如何實(shí)現(xiàn)自己的 model_fn 的呢？本文開(kāi)頭我們給出了它的初始化函數(shù)原型，進(jìn)入初始化函數(shù)的實(shí)現(xiàn)中我們定位到代碼行 model_fn=_dnn_linear_combined_model_fn。

　　這個(gè)就是 DNNLinearCombinedClassifier 的 model_fn。這個(gè)函數(shù)的定義如下：

　　def_dnn_linear_combined_model_fn（features， labels， mode， params， config= None）

　　features 和 labels 大家都已經(jīng)知道，mode 指定 model_fn 的操作模式，目前支持 3 個(gè)值：訓(xùn)練模型 （model_fn.ModeKeys.TRAIN），對(duì)模型進(jìn)行評(píng)測(cè) （model_fn.ModeKeys.EVAL），根據(jù)輸入特征進(jìn)行預(yù)測(cè) （model_fn.ModeKeys.PREDICT），mode 的定義可參見(jiàn)文件 estimator/model_fn.py。params 和 config 參數(shù)分別定義模型訓(xùn)練的參數(shù)以及模型運(yùn)行的配置。