编程接口的新动态：用 TensorFlow 高层 API 来构建机器学习模型 丨 Google 开发者大会 2018

Google 开发者大会 (Google Developer Days，简称 GDD) 是展现 Google 最新开发者产品和平台的全球盛会，旨在帮助你快速开发优质应用，发展和留住活跃用户群，充分利用各类工具得到更多收益。2018 Google 开发者大会于 9 月 20 日和 21 日于上海举办。👉Google 开发者大会 2018 掘金专题

2018 年 9 月 21 日 ，冯亦菲（Google Brain 软件工程师）带来一场《用 TensorFlow 高层 API 来构建机器学习模型》的演讲，本文将对演讲作一个回顾。

如何机器学习模型

构建机器学习模型是一个按部就班的过程：

• 首先获取数据集，并明确机器学习所要解决的问题；
• 接下来处理数据集，让咱们的模型可以快速的理解形式；
• 紧接着搭建机器学习模型的结构，而且训练评估咱们的模型；
• 最后，当模型达到咱们预先设定的目标，就能够将其打包投入到生产环境中去。

机器学习问题

推测天然保护区类型

本例中的所使用的数据集为科罗拉多州森林植被数据集。该数据集记录了美国科罗拉多州不一样地块的森林植被类型，每一个样本包含了描述每块土地的若干特征，包括海拔、坡度、到水源的距离、遮阳状况和土壤类型，而且随同给出了地块的已知森林植被类型。数据集下载

数据样本

按照连接地址下载的原始数据集是以逗号分割、每行有55个整数列，以下图：

每一列所表明的含义以下图所示：

其中，上图中橘黄色方框选中的区域就是咱们这次想要推测的天然保护区类型。

使用 TensorFlow构建模型

在了解咱们全部的数据集以后，能够着手使用 TensorFlow 来构建咱们的模型。

首先 import tensorflow

import tensorflow as tf
复制代码

接下来，冯亦菲推荐使用 Eager Execution 当即执行

tf.enable_eager_execution()
复制代码

eager 执行模型

Eager Execution 的优势以下：

• 快速调试即刻的运行错误并经过 Python 工具进行整合
• 借助易于使用的 Python 控制流支持动态模型
• 为自定义和高阶梯度提供强大支持
• 适用于几乎全部可用的 TensorFlow 运算

使用tensorflow 提供的 Dataset 加载数据.咱们下载的数据格式为 .csv，因此咱们用的是 CsvDataset。

dataset = tf.contrib.data.CsvDataset(
    filenames = ['covtype.csv.train']
    record_defaults = [tf.int32] * 55)
print(list(dataset.take(1)))
复制代码

查看 dataset 中第一行数据。

上图中虽然咱们能够看出每一行原始数据的含义，可是想要带入到机器学习的模型中，咱们还须要对数据进行解析。

解析原始数据集

col_names = ['elevation','aspect','slope'...]
//特征名称

def _parse_csv_row(*vals):
    soil_type_t = tf.convert_to_tensor(vals[14:54])
    //土壤类型是一个特征，而不是 40 个单独的特征
    
    feat_vals = vals[:10] + (soil_type_t, vals[54])
    //从新组成 12 个特征
    
    features = dict(zip(col_names, feat_vals))
    //给每一个特征取一个名称
    
    class_label = tf.argmax(vals[10:14], axis = 0)
    //生成天然保护区标签，在原始数据集中它的一个长度为 4
    return features, class_label
复制代码

解析数据

dataset = dataset.map(_parse_csv_row).batch(64)
//利用解析函数解析，并以 64 为单位对训练集进行分组

print(list(dataset.take(1)))
复制代码

由于咱们使用的是 Eager 执行模式，因此咱们能够直接打印查看数据，以下图所示：

定义数据特征

使用 feature_column, 将原始数值变成模型可理解的数值。

# Cover_Type / integer / 1 to 7
cover_type = tf.keras.feature_column.
    categorical_column_with_identity(
        'cover_type', num_buckets=8
    )

//把离散的类别，变成对模型有意义的连续的数值
cover_embedding = tf.kears.feature_column.
    embedding_column(cover_type,dimension = 10)

numeric_features = [tf.keras.feature_column.
    numeric_column(feat) for feat in numeric_cols]

soil_type = tf.keras.feature_column.
    numeric_column(soil_type, shape = (40,))

columns = numeric_features + [
    soil_type, cover_embedding]

feature_layer = tf.keras.feature_column.
    FeatureLayer(columns)
复制代码

构造模型

这里咱们使用的是 keras API 来搭建咱们的模型，经过 keras 能够像搭积木同样来构造模型。

model = tf.keras.Sequential([
    feature_layer,
    tf.keras.layers.Dense(256, activation = tf.nn.relu),
    tf.keras.layers.Dense(16, activation = tf.nn.relu),
    tf.keras.layers.Dense(8, activation = tf.nn.relu),
    tf.keras.layers.Dense(4, activation = tf.nn.softmax)
])

model.fit(dataset,steps_per_epoch = NUM_TRAIN_EXAMPLES/64)
复制代码

训练结果以下：

验证模型

加载验证数据

def load_data(*filenames):
    dataset = tf.contrib.data.CsvDataset(
    filenames,record_defaults)
    dataset = dataset.map(_parse_csv_row)
    dataset = dataset.batch(64)
    return dataset
复制代码

验证

test_data = load_data('covtype.csv.test')

loss, accury = model.evaluate(
    test_data,
    steps = 50
)

print(loss, accury)
复制代码

损失值与准去率以下图所示：

输出模型

若是验证结果达到咱们所设定的要求，能够利用 SavedModel 打包。

export_dir = tf.contrib.saved_model.
    save_keras_model(model, 'keras_nn')

//从新训练已训练的模型
restored_model = tf.contrib.saved_model.
    save_keras_model(export_dir)
复制代码

至此咱们完成了构造机器学习模型的完整流程。在咱们平常的生产环境中，不存在一次构建完美模型的状况。因此，咱们能够根据上面构建模型的 5 个步骤，就单个步骤或多这个步骤进行改进。例如，咱们能够得到跟多原始数据，以提升模型的广泛性等等。

Wide & Deep 模型

前面咱们使用的是 keras 模型，下面咱们使用 Wide & Deep 模型就实现。

model = tf.estimator.DNNLinearCombinedClassifier(
    linear_feature_columns = [cover_type, soil_type],
    dnn_feature_columns = numeric_features,
    dnn_hidden_unites = [256, 16, 8]
    n_classes = 4
)

//训练
model.train(
    input_fn = lambda: load_data('covtype.csv.train'))
//验证
model.evaluate(
    input_fn = lambda: load_data('covtype.csv.test'))
    
//输出
features_sample = list(dataset.take(1))[0][0]
input_receiver_fn = tf.estimator.export.
    bulid_raw_serving_input_receiver_fn(
    features_sample)

//从新训练已训练的模型    
model.export_saved_model(
    export_dir_base = 'wide_deep',
    serving_input_receiver_fn = input_receiver_fn)
复制代码

总结

以上就是本次演讲的所有内容，但愿对你们有所帮助。 阅读更多 Google 开发者大会 2018 技术干货