机器学习tensorflow框架初试

本文来自网易云社区

作者：汪洋

前言

新手学习可以点击参考Google的教程。开始前，我们先在本地安装好 TensorFlow机器学习框架。 

1. 首先我们在本地window下安装好python环境，约定安装3.6版本；

2. 安装Anaconda工具集后，创建名为 tensorflow 的conda 环境：conda create -n tensorflow pip python=3.6；

3. conda切换环境：activate tensorflow；

4. 我们安装支持CPU的TensorFlow版本（快速）：pip install --ignore-installed --upgrade tensorflow；

5. 最后验证安装是否成功,进入 python dos命名，输入以下代码校验：

   import tensorflow as tf
   hello = tf.constant('Hello, TensorFlow')
   sess = tf.Session()
   print(sess.run(hello))

   输出Hello, TensorFlow，表示成功了。如果失败的话，就选择低版本重新安装如：pip install --ignore-installed --upgrade tensorflow==1.5.0。
   其它安装方式点击参考教程。

监督学习实践

官方针对新手演示了一个入门示例，点击教程可查看，本文就围绕这个教程分享。

1.分类

官方示例里讲解了分类鸢尾花问题的解决，我们想到的就是用监督学习训练机器模型。采用这种学习方式后，我们需要确定用鸢尾花的哪些特征来分类，鸢尾花的特征还是蛮多的，官方示例里用的是花萼和花瓣的长度和宽度。
鸢尾花种类非常多，官方也仅是针对三种进行分类：

expected = ['Setosa', 'Versicolor', 'Virginica']

接下来就是获取大量数据，进行预处理，官方示例里直接引用了他人整理的数据源，省略了前期数据处理步骤，前5条数据结构如下：

	SepalLength	SepalWidth	PetalLength	PetalWidth	Species
0	6.4	2.8	5.6	2.2	2
1	5.0	2.3	3.3	1.0	1
2	4.9	2.5	4.5	1.7	2
3	4.9	3.1	1.5	0.1	0
4	5.7	3.8	1.7	0.1	0

说明：

1. 最后一列代表着鸢尾花的品种，也就是说它是监督学习中的标签；

2. 中间四列从左到右表示花萼的长度和宽度、花瓣的长度和宽度；

3. 表格数据代表了从120个样本的数据集中抽集的5个样本；
   机器学习一般依赖数值，因此当前数据集中标签值都为数字，对应关系： 

0	1	2
Setosa	Versicolor	Virginica

接下来将编写代码，先复习下概念，模型指特征和标签之间的关系；训练指机器学习阶段，这个阶段模型不断优化。示例里选择的监督试学习方式，模型通过包含标签的样本进行训练。

2. 导入和解析数据集 

首先我们要获取训练集和测试集，其中训练集是训练模型的样本，测试集是评估训练后模型效果的样本。
首先设置我们选择的数据集地址

 """训练集"""TRAN_URL = "http://download.tensorflow.org/data/iris_training.csv""""测试集"""TEST_URL = "http://download.tensorflow.org/data/iris_test.csv"

使用tensorflow.keras.utils.get_file函数下载数据集，该方法第一个参数为文件名称，第二个参数为下载地址，点击查看详细)。

import tensorflow as tfdef download():
    train_path = tf.keras.utils.get_file('iris_training.csv', TRAN_URL)
    test_path = tf.keras.utils.get_file('iris_test.csv', TEST_URL)    return train_path, test_path

然后用pandas.read_csv函数解析下载的数据，解析后生成的格式是一个表格，然后再分成特征列表和标签列表，返回训练集和测试集

import pandas as pd
CSV_COLUMN_NAMES = ['SepalLength', 'SepalWidth',                    'PetalLength', 'PetalWidth', 'Species']def load_data(y_species='Species'):
    train_path, test_path = download()
    train = pd.read_csv(train_path, names=CSV_COLUMN_NAMES, header=0)
    train_x, train_y = train, train.pop(y_species)

    test = pd.read_csv(test_path, names=CSV_COLUMN_NAMES, header=0)
    test_x, test_y = test, test.pop(y_species)    return (train_x, train_y), (test_x, test_y)

3. 特征列-数值列 

我们已经获取到数据集，在tensorflow中需要将数据转换为模型(Estimator)可以使用的数据结构，这时候调用tf.feature_column模块中的函数来转换。鸢尾花例子中，需将特征数据转换为浮点数，调用tf.feature_column.numeric_column方法。

import iris_data

(train_x, train_y), (test_x, test_y) = iris_data.load_data()
my_feature_columns = []for key in train_x.keys():
    my_feature_columns.append(tf.feature_column.numeric_column(key=key))

其中key是 ['SepalLength' , 'SepalWidth' , 'PetalLength' , 'PetalWidth'] 其中之一。

4. 模型选择 

官方例子中选择全连接神经网络解决鸢尾花问题，用神经网络来发现特征与标签之间的复杂关系。tensorflow中，通过实例化一个Estimator类指定模型类型，这里我们使用官方提供的预创建的Estimator类，tf.estimator.DNNClassifier，此Estimator会构建一个对样本进行分类的神经网络。

classifier = tf.estimator.DNNClassifier(
    feature_columns = my_feature_columns,
    hidden_units = [10,10],
    n_classes = 3)

feature_columns 参数指训练的特征列（这里是数值列）；
hidden_units 参数定义神经网络内每个隐藏层中的神经元数量，这里设置了2个隐藏层，每个隐藏层中神经元数量都是10个；
n_classes 参数表示要预测的标签数量，这里我们需要预测3个品种；
其它参数点击查看

5. 训练模型 

上一步我们已经创建了一个学习模型，接下来将数据导入到模型中进行训练。tensorflow中，调用Estimator对象的train方法训练。

classifier.train(
    input_fn = lambda:iris_data.train_input_fn(train_x, train_y, 100)
    steps = 1000)

input_fn 参数表示提供训练数据的函数； steps 参数表示训练迭代次数；
在train_input_fn函数里，我们将数据转换为 train方法所需的格式。 

dataset = tf.data.Dataset.from_tensor_slices((dict(features), labels))

为了保证训练效果，训练样本需随机排序。buffer_size 设置大于样本数（120），可确保数据得到充分的随机化处理。 

dataset = dataset.shuffle(1000)

为了保证训练期间，有无限量的训练样本，需调用 tf.data.Dataset.repeat。

dataset = dataset.repeat()

train方法一次处理一批样本， tf.data.Dataset.batch 方法通过组合多个样本创建一个批次，这里组合多个包含100个样本的批次。

dataset = dataset.batch(100)

6. 模型评估 

接下来我们将训练好的模型预测效果。tensorflow中，每个Estimator对象提供了evaluate方法。

eval_result = classifier.evaluate(
    input_fn = lambda:iris_data.eval_input_fn(test_x, test_y, 100)
)

在eval_input_fn函数里，我们将数据转换为 evaluate方法所需的格式。实现跟训练一样，只是无需随机化处理和无限量重复使用测试集。

dataset = tf.data.Dataset.from_tensor_slices((dict(features), labels))
dataset.batch(100);return dataset

7. 预测 

接下来将该模型对无标签样本进行预测。官方手动提供了三个无标签样本。

predict_x = {    'SepalLength': [5.1, 5.9, 6.9],    'SepalWidth': [3.3, 3.0, 3.1],    'PetalLength': [1.7, 4.2, 5.4],    'PetalWidth': [0.5, 1.5, 2.1],
}

tensorflow中，每个Estimator对象提供了predict方法。

predictions = classifier.predict(
    input_fn = lambda:iris_data.eval_input_fn(predict_x, labels=None, 100)
)

改造下eval_input_fn方法，使其能够接受 labels = none 情况

features=dict(features)if labels is None:
    inputs = featureselse:
    inputs = (features, labels)
dataset = tf.data.Dataset.from_tensor_slices(inputs)

接下来打印下预测结果， predictions 中 class_ids表示可能性最大的品种，probabilities 表示每个品种的概率

for pred_dict in predictions:
    class_id = pred_dict['class_ids'][0]
    probability = pred_dict['probabilities'][class_id]
    print(class_id, probability)

结果如下：

0	0.99706334
1	0.997407
2	0.97377485

结尾

通过官方例子，新手可初步了解其使用，当然更深入的使用还得学习理论和多使用API。本文是根据官方例子，作为新手重新梳理了一遍。

网易云免费体验馆，0成本体验20+款云产品

更多网易研发、产品、运营经验分享请访问网易云社区。

相关文章：
【推荐】 云计算交互设计师的正确出装姿势