摘要：近日在中國(guó)召開(kāi)了。軟件工程師馮亦菲為我們帶來(lái)了題為用高層來(lái)進(jìn)行模型原型設(shè)計(jì)訓(xùn)練和生產(chǎn)投入的精彩報(bào)告。馮亦菲姐姐給我們講了一些的新的的變動(dòng)，最重要的是提出了一些使用的建議。但是如果沒(méi)有，就會(huì)報(bào)對(duì)象不能解釋為的錯(cuò)誤。

Google Development Days China 2018近日在中國(guó)召開(kāi)了。非常遺憾，小編因?yàn)椴豢煽剐砸蛩販粼诤戏?，沒(méi)辦法去參加。但是小編的朋友有幸參加了會(huì)議，帶來(lái)了關(guān)于tensorlfow的一手資料。這里跟隨小編來(lái)關(guān)注tensorflow在生產(chǎn)環(huán)境下的最佳應(yīng)用情況。

Google Brain軟件工程師馮亦菲為我們帶來(lái)了題為“用Tensorflow高層API來(lái)進(jìn)行模型原型設(shè)計(jì)、訓(xùn)練和生產(chǎn)投入”的精彩報(bào)告。

馮亦菲姐姐給我們講了一些tensorflwo的新的API的變動(dòng)，最重要的是提出了一些使用tensorflow的建議。

總結(jié)出來(lái)有六個(gè)方面，分別是：

用Eager模式搭建原型

用Datasets處理數(shù)據(jù)

用Feature Columns提取特征

用Keras搭建模型

借用Canned Estimators

用SavedModel打包模型

下面我們依次來(lái)了解下這六個(gè)方面。

用Eager模式搭建原型

作為計(jì)算機(jī)界的一份子，我們知道靜態(tài)圖的效率自然是快快的，但是動(dòng)態(tài)圖的使用為我們的使用帶來(lái)的很多方便。17年的時(shí)候，各大框架動(dòng)態(tài)圖大行其道，于是Google提出了tf.contrib.eager應(yīng)對(duì)挑戰(zhàn)。

使用Eager有什么好處呢？回想之前我們?cè)谡{(diào)試tensorflow的程序時(shí)，不得不使用sess.run()，麻煩的要死，而使用Eager就可以直接的將變量打印出來(lái)，大大方便了我們的調(diào)試；好處不止這么多，在進(jìn)行模型搭建的時(shí)候，以前我們需要仔細(xì)考慮下Tensor的shape，一旦出錯(cuò)要定位也很不容易。而使用Eager可以一邊搭建網(wǎng)絡(luò)結(jié)構(gòu)，一邊將shape打印出來(lái)確認(rèn)下是否正確。這就使我們?cè)诖罱ňW(wǎng)絡(luò)時(shí)更加方面快捷了；此外，使用Eager后，自定義Operation和Gradient也會(huì)方便很多。

下面舉個(gè)簡(jiǎn)單的小例子。首先使用pip install tf-nightly（或GPU版本pip install tf-nightly-gpu）來(lái)安裝Eager。

import tensorflow?as?tfimport tensorflow.contrib.eager?as?tfetfe.enable_eager_execution() #開(kāi)啟Eager模式a?=?tf.constant([5], dtype=tf.int32)for?i in?range(a):? ?print?(i)

使用Eager后我們可以很順利的執(zhí)行上述代碼。但是如果沒(méi)有Eager，就會(huì)報(bào)Tensor對(duì)象不能解釋為integer的錯(cuò)誤。從缺點(diǎn)上來(lái)講，Eager的引入也勢(shì)必造成額外的成本。

用Datasets處理數(shù)據(jù)

tensorflow的數(shù)據(jù)讀入有三種方式：通過(guò)feeding的方式；通過(guò)管道（pipeline）的方式；直接讀取變量或常量中保存的數(shù)據(jù)。Datasets屬于上面提出的第二種方式，可以簡(jiǎn)化數(shù)據(jù)輸入過(guò)程，而且能夠提高數(shù)據(jù)的讀入效率。

Datasets的組成如上如所示。其中：

Dataset：創(chuàng)建和轉(zhuǎn)換數(shù)據(jù)集的基本；

TextLineDataset：從文本文件中讀取行；

TFRecordDataset：讀取TFRecord文件；

FixedLengthRecordDataset：從二進(jìn)制文件讀取固定大小的記錄；

Iterator：提供一種一次訪(fǎng)問(wèn)一個(gè)數(shù)據(jù)集元素的方法。

對(duì)于Datasets的使用，我們可以使用Dataset的子類(lèi)提供的方法，也可以直接使用基類(lèi)的方法：tf.data.Dataset.from_tensors()或者tf.data.Dataset.from_tensor_slices()。

用Feature Columns提取特征

Feature Columns實(shí)際上是一個(gè)數(shù)據(jù)結(jié)構(gòu)，一個(gè)用于描述特征的數(shù)據(jù)結(jié)構(gòu)。利用Feature Columns可以很方便的對(duì)輸入訓(xùn)練模型前的特征進(jìn)行處理。比如鳶尾花的識(shí)別，對(duì)于輸入數(shù)據(jù)，每列表示不同的特征，如花瓣的長(zhǎng)度，花萼的長(zhǎng)度等等，我們想要對(duì)不同的列分別進(jìn)行處理（或者對(duì)所有的列進(jìn)行處理），使用Feature Columns就可以輕松的實(shí)現(xiàn)。

如上圖所示，F(xiàn)eature Columns形成了對(duì)輸入數(shù)據(jù)集的結(jié)構(gòu)性描述?？梢苑奖阄覀儗?duì)每列數(shù)據(jù)進(jìn)行處理，而且使得代碼的可讀性更強(qiáng)。

用Keras搭建模型

想必大家對(duì)Keras已經(jīng)比較了解了，使用Keras來(lái)構(gòu)建一個(gè)神經(jīng)網(wǎng)絡(luò)，簡(jiǎn)直是飛一般地速度，而且完美的兼容tensorflow。

simple_model=Sequential()simple_model.add(Dense(3,input_shape=(x.shape[1],),activation="relu",name="layer1"))simple_model.add(Dense(5,activation="relu",name="layer2"))simple_model.add(Dense(1,activation="sigmoid",name="layer3"))

構(gòu)建一個(gè)模型就是如上面這么簡(jiǎn)單，而且調(diào)用API中定義好的模型更是只需要一句話(huà)，極其的方便。

借用Canned Estimators

Estimators API提供了模型選擇、評(píng)估、訓(xùn)練等一些列功能。在1.3版本后，Google又增加了一層，稱(chēng)之為Canned Estimators。只需要一行代碼就能夠創(chuàng)建深度模型。Estimators可以結(jié)合上面提到的Feature Columns一起使用。

tf.estimator.Estimator是基類(lèi)；Pre-made Estimators是基類(lèi)的子類(lèi)，是已經(jīng)定義好的模型，我們可以直接拿來(lái)使用；Custom Estimators是基類(lèi)的實(shí)列，并不是定義好的，需要我們自己實(shí)現(xiàn)模型的定義。

對(duì)于這里的模型，由三部分組成：

Input function：輸入函數(shù)，即我們前面所說(shuō)的Datasets，對(duì)于數(shù)據(jù)進(jìn)行表示；

Model function: 實(shí)驗(yàn)?zāi)Ｐ偷挠?xùn)練、驗(yàn)證、測(cè)試以及監(jiān)控模型的參數(shù)；

Estimators: 控制數(shù)據(jù)流以及模型的各種運(yùn)算。

用SavedModel打包模型

相比于tensorflow原版的tf.train.Saver保存模型的方式，SavedModel提供了更好的將模型部署到生成環(huán)境的手段，更適用于商業(yè)目的。

如上圖右下方部分，在使用SavedModel打包模型時(shí)，可以產(chǎn)生兩種模型：

對(duì)應(yīng)于第一種模型，Tensorflow Model Analysis可以方便我們對(duì)模型進(jìn)行分析，是不是存在參數(shù)的問(wèn)題，抑或是模型哪里設(shè)計(jì)的不合適等等；通過(guò)分析后，感覺(jué)模型不錯(cuò)，我們就可以通過(guò)Tensorflow Serving進(jìn)行部署。

此外，相比于Saver的方式，我們?cè)趇nference時(shí)不需要再重新定義Graph（模型），如果使用Saver的話(huà)，在使用該模型時(shí)就需要再定義該模型，如果是一個(gè)程序猿設(shè)計(jì)并使用的還好，如果換成另一個(gè)猿去用這個(gè)模型，他又不知道模型的tensor的情況，那就尷尬了。所以使用SavedModel可以讓我們更輕松地去使用模型。

Google Developer Days給我們提供了一場(chǎng)盛宴，希望和大家一起學(xué)習(xí)其中的知識(shí)。如果可以，請(qǐng)為這篇文章點(diǎn)個(gè)贊吧。據(jù)說(shuō)點(diǎn)贊的都能進(jìn)Google。

react-native技術(shù)的優(yōu)劣

?一招教你讀懂JVM和Dalvik之間的區(qū)別

NDK項(xiàng)目實(shí)戰(zhàn)—高仿360手機(jī)助手之卸載監(jiān)聽(tīng)

（Android）面試題級(jí)答案（精選版）

非科班出身程序員：如何獲取職業(yè)資源、進(jìn)入好公司？

在這里獲得的不僅僅是技術(shù)！