python - 获取 Tensorflow 中线性回归的系数

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。现在有估计器方法 get_variable_names 和 get_variable_value ，估计器权重似乎不再自动添加到 tf.GraphKeys.MODEL_VARIABLES。

---

Estimators 被设计成基本上作为一个黑盒子工作，所以没有直接的 API 来检索权重。即使在您的情况下，您是定义模型的人(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取回变量。如果您知道变量的名称，一种选择是使用 get_operation_by_name 或 get_tensor_by_name 从图形对象中简单地获取它们。一个更实用和通用的选择是使用集合。无论是在您调用 tf.get_variable 时还是之后调用 tf.add_to_collection ，您都可以将模型变量放在一个公共(public)集合名称下以供以后检索。如果您查看 tf.estimator.LinearRegressor 的实际构建方式(在 this module 中搜索函数 linear_model)，所有模型变量都会添加到 tf. GraphKeys.GLOBAL_VARIABLES 和 tf.GraphKeys.MODEL_VARIABLES。这是(大概，我还没有真正检查过)所有可用的固定估计器所共有的，所以通常在使用其中一个时你应该能够简单地做:

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，后者具有更通用的用途并且可能包含其他不相关的变量。