Python tf.feature_column.embedding_column用法及代碼示例

DenseColumn 從稀疏的分類輸入轉換而來。

用法

tf.feature_column.embedding_column(
    categorical_column, dimension, combiner='mean', initializer=None,
    ckpt_to_load_from=None, tensor_name_in_ckpt=None, max_norm=None, trainable=True,
    use_safe_embedding_lookup=True
)

當您的輸入是稀疏的，但您想將它們轉換為密集表示(例如，饋送到 DNN)時，請使用此選項。

輸入必須是由任何 categorical_column_* 函數創建的 CategoricalColumn。以下是使用 embedding_column 和 DNNClassifier 的示例：

video_id = categorical_column_with_identity(
    key='video_id', num_buckets=1000000, default_value=0)
columns = [embedding_column(video_id, 9),...]

estimator = tf.estimator.DNNClassifier(feature_columns=columns, ...)

label_column = ...
def input_fn():
  features = tf.io.parse_example(
      ..., features=make_parse_example_spec(columns + [label_column]))
  labels = features.pop(label_column.name)
  return features, labels

estimator.train(input_fn=input_fn, steps=100)

這是一個使用 embedding_column 和 model_fn 的示例：

def model_fn(features, ...):
  video_id = categorical_column_with_identity(
      key='video_id', num_buckets=1000000, default_value=0)
  columns = [embedding_column(video_id, 9),...]
  dense_tensor = input_layer(features, columns)
  # Form DNN layers, calculate loss, and return EstimatorSpec.
  ...