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

一系列分类术语，其中 id 使用 in-memory 列表。

用法

tf.feature_column.sequence_categorical_column_with_vocabulary_list(
    key, vocabulary_list, dtype=None, default_value=-1, num_oov_buckets=0
)

参数

key 标识输入特征的唯一字符串。
vocabulary_list 定义词汇表的有序迭代。每个特征都映射到 vocabulary_list 中其值的索引(如果存在)。必须可转换为 dtype 。
dtype 特征的类型。仅支持字符串和整数类型。如果 None ，将从 vocabulary_list 推断。
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。
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 [len(vocabulary_list), len(vocabulary_list)+num_oov_buckets) 范围内的 ID。不能用 default_value 指定正的 num_oov_buckets 。

一个SequenceCategoricalColumn。

抛出

ValueError 如果 vocabulary_list 为空，或包含重复键。
ValueError num_oov_buckets 是一个负整数。
ValueError num_oov_buckets 和 default_value 均已指定。
ValueError 如果 dtype 不是整数或字符串。

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：

colors = sequence_categorical_column_with_vocabulary_list(
    key='colors', vocabulary_list=('R', 'G', 'B', 'Y'),
    num_oov_buckets=2)
colors_embedding = embedding_column(colors, dimension=3)
columns = [colors_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_list。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。

用法

参数

返回

抛出

例子：