tensorflow - TFLearn、tf.contrib.learn 还是 tf.estimator？

Question

几个月来，我一直在使用 Tensorflow 和 TFLearn。我已经取得了一些进展。但是，我希望能够将功能正常的 scikit-learn 类型 Estimator 构建为TFLearn.DNN. 我可以fit，我可以predict，但我不能做交叉验证，因为evaluate对我来说失败了。TensorFlow 正在抛出：

ValueError：无法使用给定的会话来评估张量：张量的图表与会话的图表不同。

当我打电话时evaluate。我认为 TFLearn API 的全部意义在于将会话管理等内容从我的代码中抽象出来。

我曾在多个论坛（包括项目的 GitHub 页面）上就 TFLearn 遇到的问题提出问题。不幸的是，我没有得到任何答案。

前几天，突然遇到tf.contrib.learn命名空间。我看到这些类和 TFLearn 之间有很多重叠。然后，我也找到了tf.estimator班级。

最后，我才发现tensorflow.contrib子包是第三方贡献的。这让我想知道原来的 TFLearn 是否只是被吸收到更大的 TensorFlow 包中。代码流向哪个方向？

我不在乎我使用什么，只要我获得了 scikit-learn 估计器对象的所有功能。

Answer 1

我认为最好使用 TensorFlow 的官方子模块，例如tf.data和tf.estimator. 它们应该得到很好的维护，并且可以快速添加功能。

例如，@mrry 似乎负责，tf.data并且该模块非常干净，易于使用且与tf.estimator.

该模块tf.estimator不太清楚，来自tf.contrib.learn. 不要相信我的话，但我认为它tf.estimator会慢慢取代tf.contrib.learn，它应该是 TensorFlow 的官方高级 API（连同tf.keras）。

---

您可以在官方博客文章中找到更多信息，其中解释了所有模块之间的关系。