代码之家 › 专栏 › 技术社区 › avanwyk

在Keras模型中使用张量流特征列

deep-learning keras tensorflow

avanwyk · 技术社区 · 6 年前

张量如何流动 feature_column 与Keras模型一起使用?

embedded_text_feature_column = hub.text_embedding_column(
    key="sentence", 
    module_spec="https://tfhub.dev/google/nnlm-en-dim128/1")

estimator = tf.estimator.DNNClassifier(
hidden_units=[100],
feature_columns=[embedded_text_feature_column],
n_classes=2,
optimizer=tf.train.AdamOptimizer(learning_rate=0.001))

但是,我想使用tfhub text_embedding_column 作为Keras模型的输入。例如。

net = tf.keras.layers.Input(...) # use embedding column here
net = tf.keras.layers.Flatten()
net = Dense(100, activation='relu')(net)
net = Dense(2)(net)

这可能吗?

1 回复 | 直到 6 年前

mdaoust 5 年前

keras函数api是一种可行的方法,但是如果您想使用 feature_columns 本教程介绍如何:

https://www.tensorflow.org/beta/tutorials/keras/feature_columns

基本上就是这个 DenseFeatures

feature_layer = tf.keras.layers.DenseFeatures(feature_columns)

model = tf.keras.Sequential([
  feature_layer,
  layers.Dense(128, activation='relu'),
  layers.Dense(128, activation='relu'),
  layers.Dense(1, activation='sigmoid')
])

krishnab 5 年前

答案似乎是您不使用功能列。 Keras

所以基本上 tf.feature_columns 为高级API保留。然后 tf.keras.preprocessing() 函数用于 tf.keras

keras https://keras.io/preprocessing/text/

下面是另一个Stackoverflow post,它有一个这种方法的示例。

Add Tensorflow pre-processing to existing Keras model (for use in Tensorflow Serving)

推荐文章

albert · AttributeError:“str”对象没有属性“str”如何解决此问题

2 年前

CoccoSyn · Keras TypeError:其中一个输入没有可接受的类型。具有参差不齐张量的LSTM

2 年前

Joseph · 重塑BatchDataset训练模型的输入-Tensorflow

2 年前

Chris Ranck · Keras时间序列生成器-输入为“X”长,输出为“X-长”

2 年前

DPM · 将自定义掩码传递给LSTM数据以进行培训和验证

2 年前

Luciana Carota · 为什么Keras的R“预测”函数不能识别正确的输入维度?

2 年前

Sarah Elnaggar · 我使用Gensim Doc2vec进行图形嵌入,然后在keras中使用两层深度神经网络进行二元分类

2 年前

user836026 · 在pytorch中复制权重时语法无效

2 年前

mad · 如何从一个定制的神经网络模型中获得逻辑和概率

2 年前

Archit · 无法使用自定义距离函数加载带有lambda函数的keras模型

6 年前