Kilka miesięcy temu użyłem interfejsu API tf.contrib.learn.DNNRegressor
z TensorFlow, który uważam za bardzo wygodny w użyciu. Nie nadążałem za rozwojem TensorFlow przez ostatnie kilka miesięcy. Teraz mam projekt, w którym chcę ponownie użyć Regressor, ale z większą kontrolą nad faktycznym modelem dostarczonym przez DNNRegressor
. O ile widzę, jest to obsługiwane przez API Estimator
przy użyciu parametru model_fn
.Jaka jest różnica między tf.estimator.Estimator a tf.contrib.learn.Estimator w TensorFlow
Ale istnieją dwa Estimator
s w API TensorFlow:
tf.contrib.learn.Estimator
tf.estimator.Estimator
Oba zapewniają podobną API, ale są jednak nieco inne w ich wykorzystania. Dlaczego istnieją dwie różne implementacje i czy istnieją powody, by je preferować?
Niestety, nie mogę znaleźć żadnych różnic w dokumentacji TensorFlow lub przewodniku, kiedy używać których z obu. W rzeczywistości praca z samouczkami TensorFlow wywołała wiele ostrzeżeń, ponieważ niektóre interfejsy najwyraźniej się zmieniły (zamiast parametru x
, y
, parametru input_fn
itd.).