#!/usr/bin/env python
# coding: utf-8

# In[2]:


# %load /Users/facai/Study/book_notes/preconfig.py
get_ipython().run_line_magic('matplotlib', 'inline')

from IPython.display import Image


# tf.estimator - 评价器模块简介
# =============

# estimator模块本质上是对底层API（主要是Graph, Session, Saver, meta_graph等）的封装，所以它的代码看起来像是俄罗斯套娃，一层一层地把信息从高层到低层展开。但只要对底层API有一定了解，弄清整个逻辑并不太费力。
# 
# 个人理解，主要是如下几个方面封装：
# 
# + RunConfig: 封装了分布式运行信息，如IP和端口，模型存储路径。
# + replica_device_setter: 封装了变量、op和device关系，即算子分配信息。
# + EstimatorSpec: 封装了estimator不同行为模型下（Train, Evaluate, Predict）的图构建方法。
# + Scaffold：固化了一张特定图的全部信息。
# + MonitoredSession: 抽象了不同类型任务(ps, task, master)的Session创建方法。
# 
# 大多数类的作用都是类型校验和数据封装，并不困难，就不多说了。下面是对train方法追踪涉及的模块框架，便于读者按图索骏。

# In[3]:


Image('./res/tf_estimator.jpg')


# 下面是一些有用的官方资料：
# 
# + [ Creating Custom Estimators ](https://www.tensorflow.org/versions/master/get_started/custom_estimators)
# + [ Estimators ](https://www.tensorflow.org/versions/master/programmers_guide/estimators)
# + [ Distributed TensorFlow ](https://www.tensorflow.org/deploy/distributed)
# + [ tf.estimator.Estimator ](https://www.tensorflow.org/versions/master/api_docs/python/tf/estimator/Estimator)
# + [ tf.estimator.train_and_evaluate ](https://www.tensorflow.org/versions/master/api_docs/python/tf/estimator/train_and_evaluate)

# In[ ]: