当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

Python tf.feature_column.sequence_categorical_column_with_vocabulary_file用法及代码示例


一系列分类术语，其中 id 使用词汇文件。

用法

tf.feature_column.sequence_categorical_column_with_vocabulary_file(
    key, vocabulary_file, vocabulary_size=None, num_oov_buckets=0,
    default_value=None, dtype=tf.dtypes.string
)

参数

  • key 标识输入特征的唯一字符串。
  • vocabulary_file 词汇文件名。
  • vocabulary_size 词汇表中元素的数量。这必须不大于 vocabulary_file 的长度，如果小于长度，则忽略后面的值。如果为 None，则设置为 vocabulary_file 的长度。
  • num_oov_buckets 非负整数，词汇表外的桶数。所有超出词汇表的输入都将根据输入值的散列分配 [vocabulary_size, vocabulary_size+num_oov_buckets) 范围内的 ID。不能用 default_value 指定正的 num_oov_buckets 。
  • default_value 为词汇外特征值返回的整数 ID 值，默认为 -1 。这不能用正的 num_oov_buckets 来指定。
  • dtype 特征的类型。仅支持字符串和整数类型。

返回

  • 一个SequenceCategoricalColumn。

抛出

  • ValueError vocabulary_file 丢失或无法打开。
  • ValueError vocabulary_size 缺失或
  • ValueError num_oov_buckets 是一个负整数。
  • ValueError num_oov_buckets 和 default_value 均已指定。
  • ValueError dtype 既不是字符串也不是整数。

将此传递给 embedding_column 或 indicator_column 以将序列分类数据转换为密集表示，以输入到序列 NN，例如 RNN。

例子：

states = sequence_categorical_column_with_vocabulary_file(
    key='states', vocabulary_file='/us/states.txt', vocabulary_size=50,
    num_oov_buckets=5)
states_embedding = embedding_column(states, dimension=10)
columns = [states_embedding]

features = tf.io.parse_example(..., features=make_parse_example_spec(columns))
sequence_feature_layer = SequenceFeatures(columns)
sequence_input, sequence_length = sequence_feature_layer(features)
sequence_length_mask = tf.sequence_mask(sequence_length)

rnn_cell = tf.keras.layers.SimpleRNNCell(hidden_size)
rnn_layer = tf.keras.layers.RNN(rnn_cell)
outputs, state = rnn_layer(sequence_input, mask=sequence_length_mask)

相关用法


注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.feature_column.sequence_categorical_column_with_vocabulary_file。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。