Python tf.keras.layers.DenseFeatures用法及代碼示例

基於給定 feature_columns 生成密集 Tensor 的層。

繼承自：DenseFeatures、Layer、Module

用法

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

參數

feature_columns 一個包含要用作模型輸入的 FeatureColumns 的迭代。所有項目都應該是派生自 DenseColumn 的類的實例，例如 numeric_column , embedding_column , bucketized_column , indicator_column 。如果你有分類特征，你可以用 embedding_column 或 indicator_column 包裝它們。
trainable 布爾值，層的變量是否將在訓練期間通過梯度下降進行更新。
name 賦予 DenseFeatures 的名稱。
**kwargs 構造層的關鍵字參數。

拋出

ValueError 如果 feature_columns 中的項目不是 DenseColumn 。

通常使用 FeatureColumns 說明訓練數據中的單個示例。在模型的第一層，這個麵向列的數據應轉換為單個 Tensor 。

可以使用不同的函數多次調用該層。

這是該層的 V2 版本，它使用 name_scopes 而不是 variable_scopes 創建變量。但是這種方法目前缺乏對分區變量的支持。在這種情況下，請改用 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)

相關用法

注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.keras.layers.DenseFeatures。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。