tf.feature_column.input_layer

tensorflow中,如果已经聚集了一大堆特征,如何将特征转换成模型可以直接输入的数据,可以通过tf.feature_column.input_layer将数据输入进神经网络。通常在tensorflow中,训练数据中的单条Example通常表示成FeatureColumn,而在模型的第一层中,面向列的数据通常转换为tensor。

tf.feature_column.input_layer(
    features,
    feature_columns,
    weight_collections=None,
    trainable=True,
    cols_to_vars=None,
    cols_to_output_tensors=None
)

关键参数

  • features:从key到tensor的一个映射,_FeatureColumn就是通过这些key来查询的,对应的features的值都是SparseTensor或者Tensor
  • feature_columns:表示一个迭代器,包含在模型中将要使用到的FeatureColumns。其中每个列特征值的类型都必须是 _DenseColumn类的数值,可能是numeric_column、embedding_column、bucketized_column、indicator_column,如果是类别特征的话,需要包装在embedding_column或者indicator_column中。

返回

返回一个表示模型输入层的一个Tensor,shape为(batch_size, first_layer_dimension),数值类型为float32,first_layer_dimension的大小需要基于feature_columns来定。
GitHub 加速计划 / te / tensorflow
184.55 K
74.12 K
下载
一个面向所有人的开源机器学习框架
最近提交(Master分支:2 个月前 )
a49e66f2 PiperOrigin-RevId: 663726708 3 个月前
91dac11a This test overrides disabled_backends, dropping the default value in the process. PiperOrigin-RevId: 663711155 3 个月前
Logo

旨在为数千万中国开发者提供一个无缝且高效的云端环境,以支持学习、使用和贡献开源项目。

更多推荐