几个月前，我使用了tf.contrib.learn.DNNRegressor来自 TensorFlow 的 API，我发现它使用起来非常方便。最近几个月我没有跟上TensorFlow的发展。现在我有一个项目，我想再次使用回归器，但可以更好地控制 DNNRegressor 提供的实际模型。 。据我所知，Estimator 支持这一点。 API 使用model_fn参数。
但是有两个Estimator TensorFlow API 中的:
-
tf.contrib.learn.Estimator -
tf.estimator.Estimator
两者都提供类似的 API，但用法略有不同。为什么有两种不同的实现？有理由选择其中一种吗？
不幸的是，我在 TensorFlow 文档或何时使用两者的指南中找不到任何差异。实际上，学习 TensorFlow 教程会产生很多警告，因为某些接口(interface)显然已更改(而不是 x 、 y 参数、input_fn 参数等)。
最佳答案
我也有同样的疑问，但无法给出明确的答案，但是我有一些有根据的猜测可能会对您有所帮助:
似乎 tf.estimator.Estimator 以及返回 tf.estimator.EstimatorSpec 的模型函数是较新示例中使用的最新函数，并且将在新代码中使用的代码。
我现在的猜测是，tf.contrib.learn.Estimator 是一个早期原型(prototype)，已被 tf.estimator.Estimator 取代。根据文档，tf.contrib 中的所有内容都是不稳定的 API，可能随时更改，并且看起来 tf.estimator 模块是从“进化”而来的稳定 API tf.contrib.learn 模块。我认为作者只是忘记将 tf.contrib.learn.Estimator 标记为已弃用，并且尚未删除，因此现有代码不会中断。
关于machine-learning - TensorFlow 中 tf.estimator.Estimator 和 tf.contrib.learn.Estimator 有什么区别，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/44204897/