用于序列输入的层。
用法
tf.keras.experimental.SequenceFeatures(
feature_columns, trainable=True, name=None, **kwargs
)
参数
-
feature_columns
密集序列列的可迭代。有效列是embedding_column
包装了sequence_categorical_column_with_*
sequence_numeric_column
。
-
trainable
布尔值,层的变量是否将在训练期间通过梯度下降进行更新。 -
name
赋予 SequenceFeatures 的名称。 -
**kwargs
构造层的关键字参数。
抛出
-
ValueError
如果任何feature_columns
不是SequenceDenseColumn
。
所有 feature_columns
必须是具有相同 sequence_length
的序列密集列。该方法的输出可以输入序列网络,例如 RNN。
此方法的输出是形状为 [batch_size, T, D]
的 3D Tensor
。 T
是该批次的最大序列长度,可能因批次而异。
如果多个 feature_columns
与 Di
num_elements
一起给出,则它们的输出被连接起来。因此,最终的 Tensor
具有形状 [batch_size, T, D0 + D1 + ... + Dn]
。
例子:
import tensorflow as tf
# Behavior of some cells or feature columns may depend on whether we are in
# training or inference mode, e.g. applying dropout.
training = True
rating = tf.feature_column.sequence_numeric_column('rating')
watches = tf.feature_column.sequence_categorical_column_with_identity(
'watches', num_buckets=1000)
watches_embedding = tf.feature_column.embedding_column(watches,
dimension=10)
columns = [rating, watches_embedding]
features = {
'rating':tf.sparse.from_dense([[1.0,1.1, 0, 0, 0],
[2.0,2.1,2.2, 2.3, 2.5]]),
'watches':tf.sparse.from_dense([[2, 85, 0, 0, 0],[33,78, 2, 73, 1]])
}
sequence_input_layer = tf.keras.experimental.SequenceFeatures(columns)
sequence_input, sequence_length = sequence_input_layer(
features, training=training)
sequence_length_mask = tf.sequence_mask(sequence_length)
hidden_size = 32
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
- Python tf.keras.experimental.WideDeepModel.compute_loss用法及代码示例
- Python tf.keras.experimental.LinearModel.save用法及代码示例
- Python tf.keras.experimental.LinearModel.compile用法及代码示例
- Python tf.keras.experimental.LinearModel.save_spec用法及代码示例
- Python tf.keras.experimental.WideDeepModel用法及代码示例
- Python tf.keras.experimental.PeepholeLSTMCell用法及代码示例
- Python tf.keras.experimental.LinearModel.compute_loss用法及代码示例
- Python tf.keras.experimental.LinearModel用法及代码示例
- Python tf.keras.experimental.WideDeepModel.reset_metrics用法及代码示例
- Python tf.keras.experimental.WideDeepModel.save_spec用法及代码示例
- Python tf.keras.experimental.LinearModel.reset_metrics用法及代码示例
- Python tf.keras.experimental.WideDeepModel.save用法及代码示例
- Python tf.keras.experimental.WideDeepModel.compute_metrics用法及代码示例
- Python tf.keras.experimental.WideDeepModel.compile用法及代码示例
- Python tf.keras.experimental.LinearModel.compute_metrics用法及代码示例
- Python tf.keras.estimator.model_to_estimator用法及代码示例
- Python tf.keras.applications.inception_resnet_v2.preprocess_input用法及代码示例
- Python tf.keras.metrics.Mean.merge_state用法及代码示例
- Python tf.keras.layers.InputLayer用法及代码示例
- Python tf.keras.callbacks.ReduceLROnPlateau用法及代码示例
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.keras.experimental.SequenceFeatures。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。