Python tf.estimator.experimental.RNNClassifier用法及代碼示例

參數

• sequence_feature_columns 包含表示順序輸入的 FeatureColumn 的可迭代對象。集合中的所有項目都應該是序列列(例如 sequence_numeric_column )或從一個列構造(例如 embedding_column 與 sequence_categorical_column_* 作為輸入)。
• context_feature_columns 包含用於上下文輸入的 FeatureColumn 的迭代。這些列表示的數據將在每個時間步被複製並提供給 RNN。這些列必須是派生自 DenseColumn 的類的實例，例如 numeric_column ，而不是順序變體。
• units 每個 RNN 層的整數個隱藏單元的迭代。如果設置，還必須指定 cell_type 並且 rnn_cell_fn 必須是 None 。
• cell_type 生成 RNN 單元的類或指定單元類型的字符串。支持的字符串是：'simple_rnn' , 'lstm' 和 'gru'。如果設置，還必須指定 units 並且 rnn_cell_fn 必須是 None 。
• rnn_cell_fn 一個返回 RNN 單元實例的函數，該實例將用於構造 RNN。如果設置，則無法設置units 和cell_type。這適用於需要在 units 和 cell_type 之外進行額外自定義的高級用戶。請注意，堆疊 RNN 需要 tf.keras.layers.StackedRNNCells。
• return_sequences 一個布爾值，指示是返回輸出序列中的最後一個輸出，還是返回完整序列。請注意，如果為 True，weight_column 必須為 None 或字符串。
• model_dir 保存模型參數、圖形等的目錄。這也可用於將檢查點從目錄加載到估計器中，以繼續訓練先前保存的模型。
• n_classes 標簽類別的數量。默認為2，即二分類。必須 > 1。
• weight_column 由 tf.feature_column.numeric_column 創建的字符串或 NumericColumn 定義表示權重的特征列。它用於在訓練期間減輕重量或增加示例。它將乘以示例的損失。如果它是一個字符串，它被用作從 features 中獲取權重張量的鍵。如果是 NumericColumn ，則通過鍵 weight_column.key 獲取原始張量，然後對其應用 weight_column.normalizer_fn 以獲得權​​重張量。
• label_vocabulary 字符串列表表示可能的標簽值。如果給定，標簽必須是字符串類型並且在 label_vocabulary 中具有任何值。如果沒有給出，這意味著標簽已經編碼為整數或在 [0, 1] 內為 n_classes=2 和在 {0, 1,..., n_classes-1} 中編碼為整數值 n_classes > 2.如果沒有提供詞匯並且標簽是字符串，也會出現錯誤。
• optimizer tf.Optimizer 的實例或指定優化器類型的字符串。默認為 Adagrad 優化器。
• loss_reduction tf.losses.Reduction 之一，除了 NONE 。說明如何減少批量訓練損失。默認為 SUM_OVER_BATCH_SIZE 。
• sequence_mask 具有序列掩碼張量名稱的字符串。如果sequence_mask 在特征字典中，則使用提供的張量，否則從序列特征的長度計算序列掩碼。序列掩碼用於評估和訓練模式以匯總損失和度量計算，同時排除填充步驟。它還在預測模式下添加到預測字典中，以指示哪些步驟正在填充。
• config RunConfig 對象來配置運行時設置。

拋出

• ValueError 如果 units , cell_type 和 rnn_cell_fn 不兼容。

屬性

• config
• model_dir
• model_fn 返回綁定到 self.params 的 model_fn 。
• params