TensorFlow中tf.estimator.Estimator和tf.contrib.learn.Estimator之間的區別

Question

幾個月前，我使用了TensorFlow中的tf.contrib.learn.DNNRegressor API，我發現它非常方便使用。過去幾個月我沒有跟上TensorFlow的發展。現在我有一個項目，我想再次使用Regressor，但是可以更好地控制DNNRegressor提供的實際模型。據我所知，這是由使用model_fn參數的Estimator API支持的。

但有兩個Estimator S中TensorFlow API中：

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

都提供了類似的API，但仍然在它們的使用略有不同。爲什麼有兩種不同的實現，並且有理由更喜歡一個？

不幸的是，我無法在TensorFlow文檔或指南中找到任何區別。實際上，通過TensorFlow教程的工作產生了很多警告，因爲一些界面顯然已經發生了變化（而不是參數x,y參數input_fn參數等）。

Answer 1

我知道同樣的，不能給出一個明確的答案，但我有一些猜測，這可能有助於您：

看來，tf.estimator.Estimator與返回tf.estimator.EstimatorSpec模型函數一起是最新的一個在新的例子中使用它，在新的代碼中使用它。

我的猜測現在是tf.contrib.learn.Estimator是一個早期的原型，被tf.estimator.Estimator取代。根據文檔，tf.contrib中的所有內容都是不穩定的API，可能隨時發生變化，看起來tf.estimator模塊是穩定的API，可以從tf.contrib.learn模塊「演變」出來。我認爲作者忘記標記爲tf.contrib.learn.Estimator已過時，並且尚未刪除，因此現有代碼不會中斷。

Answer 2

我有同樣的問題要問。

我猜tf.estimator.Estimator是高級界面和推薦用法，而tf.contrib.learn.Estimator是這麼說的不是高級界面（但的確如此）。

正如Christoph所說，tf.contrib不穩定，所以tf.contrib.learn.Estimator易受到變化。它從0.x版本更改爲1.1版本，並在2016.12再次更改。問題是，它們的使用看起來不同。你可以使用tf.contrib.learn.SKCompat來包裝tf.contrib.learn.Estimator，而對於tf.estimator.Estimator，你不能做同樣的事情。如果您檢查錯誤消息，model_fn需求/參數會有所不同。

結論是，這兩個Estimator是不同的東西！

無論如何，我認爲TF的文檔做的非常糟糕關於這個主題，因爲tf.estimator是在他們的教程頁面，這意味着他們對此很嚴重......

Answer 3

爲了增加克里斯托夫的答案。

的區別這些包間已在Tensorflow開發高峯論壇2017年by Martin Wicke被特別提到：

核心和contrib請之間的區別是非常核心的東西 不會改變。在2.0版本之前，事物是向後兼容的，現在沒有人想到這一點。

如果你有核心內容，它是穩定的，你應該使用它。如果您在contrib中有某些東西，API可能會更改，並且取決於您的需求 您可能會也可能不想使用它。

所以你可以把tf.contrib包想成「實驗性」或「早期預覽」。對於已經在tf.estimator和tf.contrib中的類，您應該使用tf.estimator版本，因爲tf.contrib類會自動棄用（即使未在文檔中明確說明），並且可以在下一版本中刪除。

由於tensorflow 1.4列表的 「畢業」 類包括：Estimator DNNClassifier，DNNRegressor，LinearClassifier，LinearRegressor，DNNLinearCombinedClassifier，DNNLinearCombinedRegressor。這些應該移植到tf.estimator。

Answer 4

現在有在文檔此明確的聲明：

Note: TensorFlow also includes a deprecated Estimator class at tf.contrib.learn.Estimator, which you should not use.

https://www.tensorflow.org/programmers_guide/estimators

出於某種原因，它不是在代碼標記已過時。