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 6 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

Ze0ruso · 做模型。eval()在代码中的位置有什么关系?

2 年前

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

2 年前

Palkin Jangra · 如何迭代一列以获得每行的平均值?

2 年前

Ofek Nourian · 完全连通的简单自回归模型预测

2 年前

Antonin Lemoine · 用于改进颜色检测的图像处理(python)

2 年前

chao · 如何提取和存储自动语音识别深度学习应用程序生成的文本

2 年前

Jack Arnestad · 使用预训练单词嵌入对单词“池”进行分类

6 年前

user9851027 · 强化学习、深度学习和深度强化学习之间有什么区别?

6 年前

Atul Balaji · TypeError:保存时write()参数必须是str,而不是bytes。npy文件

6 年前

yuhengd · LSTM如何使用单词嵌入进行文本分类,例如在Keras中

6 年前