Python tf.keras.layers.DenseFeatures用法及代码示例

基于给定 feature_columns 生成密集 Tensor 的层。

继承自：DenseFeatures、Layer、Module

用法

tf.keras.layers.DenseFeatures(
    feature_columns, trainable=True, name=None, **kwargs
)

参数

feature_columns 一个包含要用作模型输入的 FeatureColumns 的迭代。所有项目都应该是派生自 DenseColumn 的类的实例，例如 numeric_column , embedding_column , bucketized_column , indicator_column 。如果你有分类特征，你可以用 embedding_column 或 indicator_column 包装它们。
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 DenseFeatures 的名称。
**kwargs 构造层的关键字参数。

抛出

ValueError 如果 feature_columns 中的项目不是 DenseColumn 。

通常使用 FeatureColumns 说明训练数据中的单个示例。在模型的第一层，这个面向列的数据应转换为单个 Tensor 。

可以使用不同的函数多次调用该层。

这是该层的 V2 版本，它使用 name_scopes 而不是 variable_scopes 创建变量。但是这种方法目前缺乏对分区变量的支持。在这种情况下，请改用 V1 版本。

例子：

price = tf.feature_column.numeric_column('price')
keywords_embedded = tf.feature_column.embedding_column(
    tf.feature_column.categorical_column_with_hash_bucket("keywords", 10K),
    dimensions=16)
columns = [price, keywords_embedded, ...]
feature_layer = tf.keras.layers.DenseFeatures(columns)

features = tf.io.parse_example(
    ..., features=tf.feature_column.make_parse_example_spec(columns))
dense_tensor = feature_layer(features)
for units in [128, 64, 32]:
  dense_tensor = tf.keras.layers.Dense(units, activation='relu')(dense_tensor)
prediction = tf.keras.layers.Dense(1)(dense_tensor)

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.keras.layers.DenseFeatures。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。