Question

我在Tensorflow中做了一个简单的线性回归。我怎么知道回归的系数是多少？我已经阅读了文档，但我无法在任何地方找到它！（https://www.tensorflow.org/api_docs/python/tf/estimator/LinearRegressor）

编辑代码示例

import numpy as np
import tensorflow as tf

# Declare list of features, we only have one real-valued feature
def model_fn(features, labels, mode):
  # Build a linear model and predict values
  W = tf.get_variable("W", [1], dtype=tf.float64)
  b = tf.get_variable("b", [1], dtype=tf.float64)
  y = W * features['x'] + b
  # Loss sub-graph
  loss = tf.reduce_sum(tf.square(y - labels))
  # Training sub-graph
  global_step = tf.train.get_global_step()
  optimizer = tf.train.GradientDescentOptimizer(0.01)
  train = tf.group(optimizer.minimize(loss),
                   tf.assign_add(global_step, 1))
  # EstimatorSpec connects subgraphs we built to the
  # appropriate functionality.
  return tf.estimator.EstimatorSpec(
      mode=mode,
      predictions=y,
      loss=loss,
      train_op=train)

estimator = tf.estimator.Estimator(model_fn=model_fn)
# define our data sets
x_train = np.array([1., 2., 3., 4.])
y_train = np.array([0., -1., -2., -3.])
x_eval = np.array([2., 5., 8., 1.])
y_eval = np.array([-1.01, -4.1, -7, 0.])
input_fn = tf.estimator.inputs.numpy_input_fn(
    {"x": x_train}, y_train, batch_size=4, num_epochs=None, shuffle=True)
train_input_fn = tf.estimator.inputs.numpy_input_fn(
    {"x": x_train}, y_train, batch_size=4, num_epochs=1000, shuffle=False)
eval_input_fn = tf.estimator.inputs.numpy_input_fn(
    {"x": x_eval}, y_eval, batch_size=4, num_epochs=1000, shuffle=False)

# train
estimator.train(input_fn=input_fn, steps=1000)
# Here we evaluate how well our model did.
train_metrics = estimator.evaluate(input_fn=train_input_fn)
eval_metrics = estimator.evaluate(input_fn=eval_input_fn)
print("train metrics: %r"% train_metrics)
print("eval metrics: %r"% eval_metrics)

Answer 1

编辑：正如Jason Ching指出的那样，在发布此答案后发生了一些变化。现在有估算方法get_variable_names和get_variable_value，估算值权重似乎不再自动添加到tf.GraphKeys.MODEL_VARIABLES。

估算器设计为基本上作为黑盒子工作，因此没有直接的API来检索权重。即使在您的情况下，您是定义模型的那个（而不是使用预先存在的模型），您也无法直接访问估算器对象中的参数。

也就是说，您仍然可以通过其他方式检索变量。如果您知道变量的名称，一个选项就是使用get_operation_by_name或get_tensor_by_name从图表对象中获取它们。更实用和更通用的选择是使用集合。当您调用tf.get_variable或之后调用tf.add_to_collection时，您可以将模型变量放在通用集合名称下以供以后检索。如果您查看实际构建tf.estimator.LinearRegressor的方式（在this module中搜索函数linear_model），则所有模型变量都会添加到tf.GraphKeys.GLOBAL_VARIABLES和tf.GraphKeys.MODEL_VARIABLES 。对于所有可用的罐装估算器来说，这是（大概我没有真正检查过），所以通常在使用其中一个时，您应该能够做到：

model_vars = tf.get_collection(tf.GraphKeys.MODEL_VARIABLES)

在这种情况下，您最好使用tf.GraphKeys.MODEL_VARIABLES而不是tf.GraphKeys.GLOBAL_VARIABLES，null具有更多通用性，并且可能还包含其他无关变量。

Answer 2

试试这个：

export class Funcionarios {
    id : Number;
    codFunc: Number;
    nomeFunc: string;

    constructor(codFunc: Number, nomeFunc: string) {
        this.codFunc = codFunc;
        this.nomeFunc = nomeFunc;
    }
}

export class Equipa {
    id : Number;
    codEquipa: Number;
    nomeEquipa: string;
    ocorFuncs: Funcionarios[] = [];

    constructor(id : Number, codEquipa: Number, nomeEquipa: string, funcs: Funcionarios[]) {
        this.id = id;
        this.codEquipa = codEquipa;
        this.nomeEquipa = nomeEquipa;
        this.ocorFuncs = funcs;
    }
}

export class TestComponent implements OnInit {

    equipa: Equipa = new Equipa(null, null, null, null);

    ngOnInit() {
        this.equipa.ocorFuncs.push(new Funcionarios(1, "qwe"));
        this.equipa.ocorFuncs.push(new Funcionarios(2, "asd"));
        this.equipa.ocorFuncs.push(new Funcionarios(3, "zxc"));
    }
}

在Tensorflow中获取线性回归的系数

2 个答案: