TensorFlow 1.4: как использовать BoostedTreesClassifier с TPU Colab

У меня есть код для BoostedTreesClassifier, который работает, но занимает очень много времени с объемом данных, которые я ему загружаю, и параметрами, которые я выбираю, например max_depth https://www.tensorflow.org/api_docs/python/tf/Estimator/BoostedTreesClassifier

Я пытаюсь использовать оценщик BoostedTreesClassifier в Colab с TPU, используя TPUEstimator https://www.tensorflow.org/api_docs/python/tf/contrib/tpu/TPUEstimator

Возможен ли BoostedTreesClassifier с TPUEstimator? Я вижу, что с Estimator / TPUEstimator https://www.tensorflow.org/guide/using_tpu

Каков правильный подход к работе BoostedTreesClassifier с TPU Colab?

tpu_estimator = tf.contrib.tpu.TPUEstimator(
    model_fn=model_fn,
    config=my_tpu_run_config,
    train_batch_size=100,
    use_tpu=True)

tensorflow google-colaboratory tpu google-cloud-tpu tensorflow-estimator
person Machine Learning    schedule 24.06.2019    source источник
comment
Где вы видите, что с Estimator / TPUEstimator можно использовать только нейронные сети?   -  person Alex Ilchenko    schedule 25.06.2019
comment
примеры, которые я видел, были с использованием нейронных сетей, судя по вашему вопросу, я предполагаю, что TPUEstimator работает с BoostedTreesClassifier?   -  person Machine Learning    schedule 25.06.2019

Ответы (1)


arrow_upward
0
arrow_downward

Я думаю, что использование TPUStrategy - правильный подход, но по какой-то причине он все еще занимает много времени.

import pandas as pd
import numpy as np
import tensorflow as tf
print(tf.__version__)


resolver = tf.distribute.cluster_resolver.TPUClusterResolver()
tf.tpu.experimental.initialize_tpu_system(resolver)
tpu_strategy = tf.distribute.experimental.TPUStrategy(resolver)

with tpu_strategy.scope():
  model = tf.estimator.BoostedTreesClassifier(
      feature_columns=attibute_columns,
      n_batches_per_layer=10,
      center_bias=True,
      n_trees=100,
      max_depth=20,
      pruning_mode='post',
      tree_complexity=0.1)

model.train(input_fn=train_input_fn)
results = model.evaluate(eval_input_fn)
print(results)
person Machine Learning    schedule 24.06.2019