## 使用 TensorFlow 的起始步骤 (First Steps with TensorFlow)：工具包

野性酷女 2022-02-24 02:20 181阅读 0赞

## 使用 TensorFlow 的起始步骤 (First Steps with TensorFlow)：工具包 ##

下图显示了 TensorFlow 工具包的当前层次结构：

![TensorFlow 工具包的层次结构。Estimators 位于顶级。][TensorFlow _Estimators]  
**图 1. TensorFlow 工具包层次结构。**

下表总结了不同层的用途：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0xhYmlvZA_size_16_color_FFFFFF_t_70]  
TensorFlow 由以下两个组件组成：

*  [图协议缓冲区][Link 1]
 *  执行（分布式）图的运行时

这两个组件类似于 Java 编译器和 JVM。正如 JVM 会实施在多个硬件平台（CPU 和 GPU）上一样，TensorFlow 也是如此。

您应该使用哪个 API？您应该使用能够解决问题的最高级抽象层。较高级别的抽象层更易于使用，但（设计方面）不够灵活。我们建议您先从最高级 API 入手，让所有组件正常运作起来。如果您希望在某些特殊建模方面能够更加灵活一些，则可以降低一个级别。请注意，每个级别都是使用低级 API 构建的，因此降低层次结构级别应该比较直观。

## tf.estimator API ##

我们将使用 tf.estimator 来完成机器学习速成课程中的大部分练习。您在练习中所做的一切都可以在较低级别（原始）的 TensorFlow 中完成，但使用 tf.estimator 会大大减少代码行数。

tf.estimator 与 scikit-learn API 兼容。 [scikit-learn][] 是极其热门的 Python 开放源代码机器学习库，拥有超过 10 万名用户，其中包括许多 Google 员工。

概括而言，以下是在 tf.estimator 中实现的线性回归程序的格式：

import tensorflow as tf
    
    # Set up a linear classifier.
    classifier = tf.estimator.LinearClassifier()
    
    # Train the model on some example data.
    classifier.train(input_fn=train_input_fn, steps=2000)
    
    # Use it to predict.

predictions = classifier.predict(input\_fn=predict\_input\_fn)  
**关键字词**  
[Estimator][]  
[图][Link 2]  
[张量][Link 3]

[TensorFlow _Estimators]: /images/20220224/b5dd65b2939c4849b54f11c4aa2f58be.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0xhYmlvZA_size_16_color_FFFFFF_t_70]: /images/20220224/82ea0c1639054d91b84ff0c4d95ea40e.png
[Link 1]: https://www.tensorflow.org/extend/tool_developers/?hl=zh-cn#protocol_buffers
[scikit-learn]: http://scikit-learn.org/
[Estimator]: https://developers.google.com/machine-learning/crash-course/glossary?hl=zh-cn#Estimators
[Link 2]: https://developers.google.com/machine-learning/crash-course/glossary?hl=zh-cn#graph
[Link 3]: https://developers.google.com/machine-learning/crash-course/glossary?hl=zh-cn#tensor