R 中的 TF 核心 API

我们在第 1 章中了解了 TensorFlow 核心 API。在 R 中，该 API 使用 tensorflow R 包实现。

作为一个例子，我们提供了 MLP 模型的演练，用于在以下链接中对来自 MNIST 数据集的手写数字进行分类： https://tensorflow.rstudio.com/tensorflow/articles/examples/mnist_softmax.html 。

您可以按照 Jupyter R 笔记本中的代码ch-17a_TFCore_in_R。

1. 首先，加载库：

library(tensorflow)

1. 定义超参数：

batch_size <- 128
num_classes <- 10
steps <- 1000

1. 准备数据：

datasets <- tf$contrib$learn$datasets
mnist <- datasets$mnist$read_data_sets("MNIST-data", one_hot = TRUE)

数据从 TensorFlow 数据集库加载，并已标准化为[0,1]范围。

1. 定义模型：

# Create the model
x <- tf$placeholder(tf$float32, shape(NULL, 784L))
W <- tf$Variable(tf$zeros(shape(784L, num_classes)))
b <- tf$Variable(tf$zeros(shape(num_classes)))
y <- tf$nn$softmax(tf$matmul(x, W) + b)

# Define loss and optimizer
y_ <- tf$placeholder(tf$float32, shape(NULL, num_classes))
cross_entropy <- tf$reduce_mean(-tf$reduce_sum(y_ * log(y), reduction_indices=1L))
train_step <- tf$train$GradientDescentOptimizer(0.5)$minimize(cross_entropy)

1. 训练模型：

# Create session and initialize variables
sess <- tf$Session()
sess$run(tf$global_variables_initializer())

# Train
for (i in 1:steps) {
  batches <- mnist$train$next_batch(batch_size)
  batch_xs <- batches[[1]]
  batch_ys <- batches[[2]]
  sess$run(train_step,
           feed_dict = dict(x = batch_xs, y_ = batch_ys))
}

1. 评估模型：

correct_prediction <- tf$equal(tf$argmax(y, 1L), tf$argmax(y_, 1L))
accuracy <- tf$reduce_mean(tf$cast(correct_prediction, tf$float32))
score <-sess$run(accuracy,
         feed_dict = dict(x = mnist$test$images, 
                          y_ = mnist$test$labels))

cat('Test accuracy:', score, '\n')

输出如下：

Test accuracy: 0.9185

太酷了！

通过以下链接查找 R 中 TF Core 的更多示例：https://tensorflow.rstudio.com/tensorflow/articles/examples/

有关tensorflow R 包的更多文档可以在以下链接中找到：https://tensorflow.rstudio.com/tensorflow/reference/.