用R也可以編寫tensorflow?，F(xiàn)在深度學(xué)習(xí)在計算機領(lǐng)域應(yīng)用得很廣，圖像識別，語音識別，等等。但是很多可以應(yīng)用但是還沒有應(yīng)用得領(lǐng)域，包括生物，醫(yī)學(xué)。R語言的深度學(xué)習(xí)為向計算機之外領(lǐng)域的應(yīng)用提供了新的可能。

The following canned estimators are currently available:

image.png

開始吧

安裝

要使用tfestimators，您需要安裝R軟件包以及TensorFlow本身。

首先，安裝來自CRAN的tfestimators R軟件包，如下所示：

install.packages("tfestimators")
install_tensorflow()

簡單的例子

我們用mtcars數(shù)據(jù)集創(chuàng)建一個簡單的線性回歸模型來演示估計器的使用。 我們將說明如何構(gòu)建“輸入函數(shù)”并用于向估計器提供數(shù)據(jù)，如何使用“特征列”來指定一組應(yīng)用于輸入數(shù)據(jù)的變換，以及這些部分如何組合在估計器中 接口。

輸入函數(shù)

估算人員可以通過“輸入函數(shù)”接受來自任意數(shù)據(jù)源的數(shù)據(jù)。 輸入函數(shù)從輸入源中選擇特征和響應(yīng)列，并定義如何繪制數(shù)據(jù)（例如批量大小，時期等）。 tfestimators包提供了input_fn（）輔助函數(shù)，用于從公共R數(shù)據(jù)結(jié)構(gòu)生成輸入函數(shù)，例如， R矩陣和數(shù)據(jù)幀。

在這里，我們定義一個輔助函數(shù)，它將為我們的mtcars數(shù)據(jù)集的一個子集返回一個輸入函數(shù)。

mtcars_input_fn <- function(data, num_epochs = 1) {
  input_fn(data, 
           features = c("disp", "cyl"), 
           response = "mpg",
           batch_size = 32,
           num_epochs = num_epochs)
}

特征欄

接下來，我們?yōu)槲覀兊哪Ｐ投x特征列。 特征列是原始輸入數(shù)據(jù)與數(shù)據(jù)的映射，我們將實際輸入到我們的培訓(xùn)，評估和預(yù)測步驟中。 在這里，我們創(chuàng)建一個包含disp和cyl變量的特征列表：

cols <- feature_columns(
  column_numeric("disp"),
  column_numeric("cyl")
)

也可以這樣

cols <- feature_columns( 
  column_numeric("disp", "cyl")
)

建模

接下來，我們通過調(diào)用linear_regressor（）函數(shù)并向其傳遞一組特征列來創(chuàng)建模型：

model <- linear_regressor(feature_columns = cols)

訓(xùn)練

我們現(xiàn)在準備好使用train（）函數(shù)來訓(xùn)練我們的模型。 我們將mtcars數(shù)據(jù)集劃分為不同的訓(xùn)練和驗證數(shù)據(jù)集，并將訓(xùn)練數(shù)據(jù)集輸入train（）。 我們將保留20％的數(shù)據(jù)用于驗證。'

indices <- sample(1:nrow(mtcars), size = 0.80 * nrow(mtcars))
train <- mtcars[indices, ]
test  <- mtcars[-indices, ]

# train the model
model %>% train(mtcars_input_fn(train, num_epochs = 10))
[/] Training -- loss: 7475.36, step: 8  

進行評估

 model %>% evaluate(mtcars_input_fn(test))
[-] Evaluating -- loss: 1035.53, step: 1# A tibble: 1 x 3
  average_loss  loss global_step
         <dbl> <dbl>       <dbl>
1          148  1036        8.00

進行預(yù)測

obs <- mtcars[1:3, ]
model %>% predict(mtcars_input_fn(obs))

儲存模型

saved_model_dir <- model_dir(model)

使用儲存的模型進行預(yù)測

library(tfestimators)
cols <- feature_columns( 
  column_numeric("disp", "cyl")
)
loaded_model <- linear_regressor(feature_columns = cols,
                                 model_dir = saved_model_dir)
loaded_model