如何使用 Tensorflow 增强树进行图像分类任务？答案

【问题标题】：How to us Tensorflow boosted tree for image clasification task?如何使用 Tensorflow 增强树进行图像分类任务？
【发布时间】：2019-09-19 18:01:42
【问题描述】：

我正在使用 CNN 模型进行图像分类。我想尝试使用决策树或增强树模型进行图像分类。我发现 Tensorflow 是 Boosted 树模型，但我无法理解如何将图像作为模型的输入。如果您知道如何使用 tf.boosted 树训练图像分类，请指导我。

【问题讨论】：

标签： python tensorflow image-processing boost tree

【解决方案1】：

最简单的方法是使用 flatten 图像特征向量作为输入。您可以使用我用 mnist Dataset 测试过的以下代码示例（针对 2 类进行了修改）。请注意，当前 tensorflow BoostedTreesClassifier 的实现不支持多类分类器的剪枝。

import tensorflow as tf

tf.enable_eager_execution()

mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

for i in range(len(y_train)):
    if y_train[i] is not 0:
        y_train[i] = 1

for i in range(len(y_test)):
    if y_test[i] is not 0:
        y_test[i] = 1

NUM_FEATURES = 28*28

train_input_fn = tf.estimator.inputs.numpy_input_fn({'x': x_train.reshape(-1,NUM_FEATURES)}, y_train, batch_size=128, num_epochs=5, shuffle=True)
eval_input_fn = tf.estimator.inputs.numpy_input_fn({'x': x_test.reshape(-1,NUM_FEATURES)}, y_test, batch_size=128, num_epochs=1, shuffle=False)

features = [tf.feature_column.numeric_column("x", shape=(NUM_FEATURES,))]

est = tf.estimator.BoostedTreesClassifier(features, n_batches_per_layer=1)
est.train(train_input_fn)
results = est.evaluate(eval_input_fn)
print('Accuracy : ', results['accuracy'])

【讨论】：