このページは Cloud Translation API によって翻訳されました。
Switch to English

tf.keras.estimator.model_to_estimator

TensorFlow 1つのバージョン GitHubの上のソースを表示

構築Estimator所与kerasモデルからインスタンス。

ノートPCで使用されます

ガイドで使用チュートリアルで使用されます

あなたは推定量に依存しているインフラストラクチャや他のツールを使用している場合、あなたはまだ下流のシステムで使用するための見積もりにKerasモデルを変換するKerasモデルと使用model_to_estimatorを構築することができます。

使用例については、参照してください。 Kerasモデルから推定量を作成します

サンプル重量:

返される推定model_to_estimator 、彼らが(と同様サンプル重み扱うことができるように構成されているkeras_model.fit(x, y, sample_weights) )。

推定器をトレーニングまたは評価するときサンプルの重みを渡すために、入力された関数によって返される最初の項目は、キーと辞書でなければならないfeaturessample_weights 。以下の例:

 keras_model = tf.keras.Model(...)
keras_model.compile(...)

estimator = tf.keras.estimator.model_to_estimator(keras_model)

def input_fn():
  return dataset_ops.Dataset.from_tensors(
      ({'features': features, 'sample_weights': sample_weights},
       targets))

estimator.train(input_fn, steps=1)
 

推定カスタマイズするにはeval_metric_ops名前を、あなたが渡すことができmetric_names_map次のようにカスタム名にkerasモデル出力メトリック名をマッピングする辞書:

   input_a = tf.keras.layers.Input(shape=(16,), name='input_a')
  input_b = tf.keras.layers.Input(shape=(16,), name='input_b')
  dense = tf.keras.layers.Dense(8, name='dense_1')
  interm_a = dense(input_a)
  interm_b = dense(input_b)
  merged = tf.keras.layers.concatenate([interm_a, interm_b], name='merge')
  output_a = tf.keras.layers.Dense(3, activation='softmax', name='dense_2')(
          merged)
  output_b = tf.keras.layers.Dense(2, activation='softmax', name='dense_3')(
          merged)
  keras_model = tf.keras.models.Model(
      inputs=[input_a, input_b], outputs=[output_a, output_b])
  keras_model.compile(
      loss='categorical_crossentropy',
      optimizer='rmsprop',
      metrics={
          'dense_2': 'categorical_accuracy',
          'dense_3': 'categorical_accuracy'
      })

  metric_names_map = {
      'dense_2_categorical_accuracy': 'acc_1',
      'dense_3_categorical_accuracy': 'acc_2',
  }
  keras_est = tf.keras.estimator.model_to_estimator(
      keras_model=keras_model,
      config=config,
      metric_names_map=metric_names_map)
 

keras_model コンパイルKerasモデルオブジェクト。この引数は、相互に排他的であるkeras_model_path 。見積もりのmodel_fnモデルのクローンを作成するためにモデルの構造を使用しています。デフォルトはNone
keras_model_path コンパイルKerasモデルへのパスを生成することができHDF5形式で、ディスク上に保存されてsave() Kerasモデルの方法。この引数は、相互に排他的であるkeras_model 。デフォルトはNone
custom_objects カスタマイズされたオブジェクトをクローニングするための辞書。これは、このPIPパッケージの一部ではないクラスで使用されています。ユーザが維持たとえば、 relu6クラスから継承することtf.keras.layers.Layer 、次に通過custom_objects={'relu6': relu6} 。デフォルトはNone
model_dir ディレクトリは、保存するEstimatorモデルパラメータ、グラフ、ディレクトリを使用して作成されます未設定の場合などTensorBoard、のための要約ファイルtempfile.mkdtemp
config RunConfig設定にEstimator 。で物事を設定することができますmodel_fnのような構成に基づいてnum_ps_replicas 、またはmodel_dir 。デフォルトはNone 。両方の場合config.model_dirmodel_dir (上記)引数が指定されているmodel_dir 引数が優先されます。
checkpoint_format 推定時にトレーニングによって保存されたチェックポイントの形式は、設定します。かもしれsaverまたはcheckpointからチェックポイントを保存するかどうかに応じて、 tf.compat.v1.train.Saverまたはtf.train.Checkpoint 。デフォルトはcheckpoint 。推定器は名前ベースの使用tf.train.Saver Kerasモデルはからオブジェクト・ベースのチェックポイントを使用しながら、チェックポイントをtf.train.Checkpoint 。現在、からオブジェクトベースのチェックポイントを保存model_to_estimatorのみの機能とシーケンシャルモデルでサポートされています。 「チェックポイント」へのデフォルト。
metric_names_map カスタム名にオプションの辞書マッピングKerasモデル出力メトリック名。これは、マルチIOモデルのユースケースでは、デフォルトKerasモデル出力メトリック名を上書きして、ためにカスタム名を提供するために使用することができるeval_metric_ops見積もりインチKerasモデルメトリック名を使用して得ることができるmodel.metrics_names例えば全損失及び出力損失などの損失メトリックを除きます。あなたのKerasモデルが持っている場合たとえば、2つの出力はout_1out_2 、とmse損失とaccメトリック、そしてmodel.metrics_namesなります['loss', 'out_1_loss', 'out_2_loss', 'out_1_acc', 'out_2_acc']損失指標を除くモデルメトリック名になります['out_1_acc', 'out_2_acc']

与えられたkerasモデルからアン見積もり。

ValueError keras_modelもkeras_model_pathどちらが与えられた場合。
ValueError keras_modelとkeras_model_pathの両方が与えられた場合。
ValueError keras_model_pathはGCS URIである場合。
ValueError keras_modelがコンパイルされていない場合。
ValueError 無効なcheckpoint_formatが与えられた場合。