在TensorFlow中tf.estimator.Estimator和tf.contrib.learn.Estimator有什么区别

Question

几个月前,我使用了tf.contrib.learn.DNNRegressorTensorFlow 的API,我觉得使用起来非常方便.在过去的几个月里,我没有跟上TensorFlow的发展.现在我有一个项目,我想再次使用一个回归器,但是可以更好地控制实际模型DNNRegressor.据我所知,Estimator使用model_fn参数的API 支持这一点.

但是EstimatorTensorFlow API中有两个:

• tf.contrib.learn.Estimator
• tf.estimator.Estimator

两者都提供了类似的API,但它们的使用略有不同.为什么有两种不同的实现,是否有理由选择一种？

不幸的是,我在TensorFlow文档或指南中找不到任何差异何时使用两者中的哪一个.事实上,通过TensorFlow教程工作产生了很多警告的一些接口显然已经改变了(而不是x,y参数,该input_fn参数等等).

Answer 1

我想知道同样的,不能给出明确的答案,但我有一些有根据的猜测,可能会帮助你:

似乎tf.estimator.Estimator与返回的模型函数一起tf.estimator.EstimatorSpec是在新示例中使用的最新函数和在新代码中使用的函数.

我现在的猜测是,它tf.contrib.learn.Estimator是一个早期的原型,被它取代了tf.estimator.Estimator.根据文档,一切tf.contrib都是不稳定的API,可能随时改变,看起来tf.estimator模块是从tf.contrib.learn模块"演化"的稳定API .我假设作者只是忘记将其标记tf.contrib.learn.Estimator为已弃用且尚未删除,因此现有代码不会中断.