Как разобраться с contrib модулями TensorFlow?

Question

[Сергей Соколов]

В релизе TensorFlow 1.3 есть всякие высокоуровневые модули: Layers, Estimators, Classifiers. К ним ко всем есть сухая документация API, где просто описаны методы и параметры.

<баттхёрт>Вот, пришёл новый человек «с улицы», и как ему, *#%&, разобраться в этом богатстве? Там этих классов дофигищи, и никакой общей картины. Максимум есть дразнящие названием «гайды», которые нифига не гайды, а просто сгруппированные по темам ссылки на те же страницы API-доков.</баттхёрт>

Книги, видео, уроки – все появляются с задержкой. И не все темы раскрываются подробно.

Вот, есть «официальный» пример реализации классификатора MNIST с помощью random forest. Мало того, что код уже не работает с TF1.3 / Python3 – ругается на негодный тип uint8 где-то там, в дебрях TF. Но не могу найти описания использованных там магических пассов!

API-дока по tensor forest – просто плевок в душу – одна строка «Random forest implementation in tensorflow.» Всё!

Например, почему они вместо словаря параметров передают какой-то ForestHParams, про который вообще никаких упоминаний в доках.

Друзья, кто уже съел собаку, посветите фонариком, куда смотреть, что делать, как быть?

Answer 1

[Dimonchik]

так, как и с обычными питоновскими

dir() и вперед

понятно, что нужно знать предметную область, но можно и до исходников порыть

Comments

[Сергей Соколов]

dir() не даст ничего нового, по сравнению с вышеозначенной документацией API. Я как раз искал более человекочитаемые гайды-примеры, ввод в предмет «от общего к частному».

[Dimonchik]

а его нет , там как Санта-Барбаре, все друг друга знают