TFLearn，tf.contrib.learn还是tf.estimator？

Question

我已经使用Tensorflow和TFLearn工作了几个月。我取得了一些进展。但是，我期待能够构建一个功能强大的scikit-learn类型Estimator作为TFLearn.DNN。我可以fit，我可以predict，但我不能进行交叉验证，因为evaluate对我失败了。 TensorFlow投掷：

  

ValueError：无法使用给定的会话来评估张量：张量图与会话图不同。

当我致电evaluate时。我认为TFLearn API的重点是从会话管理中抽象出代码。

我已经在几个论坛上询问了我与TFLearn有过的问题，包括项目的GitHub页面。不幸的是，我没有得到任何答案。

几天前，突然间我遇到了tf.contrib.learn命名空间。我看到这些课程和TFLearn之间有很多重叠。然后，我还找到了tf.estimator类。

最后，我刚才发现tensorflow.contrib子包是第三方贡献。这让我想知道原来的TFLearn是否只是被吸收到更大的TensorFlow包中。代码流向哪个方向？

我不关心我使用的内容，只要我获得了scikit-learn估算器对象的所有功能。

Answer 1

我认为最好使用TensorFlow的官方子模块，如tf.data和tf.estimator。它们应该得到很好的维护，并且可以快速添加功能。

例如，@ mrry似乎负责tf.data，该模块非常干净，易于使用且与tf.estimator兼容。

模块tf.estimator稍微不那么明确，来自tf.contrib.learn。不要相信我，但我认为tf.estimator将慢慢取代tf.contrib.learn，它应该是TensorFlow的官方高级API（以及tf.keras）。

您可以在官方blog post中找到更多信息，其中介绍了所有模块之间的关系。