tensorflow-網絡層-輸入層input_layer

tf.feature_column.input_layer

tensorflow中，如果已經聚集了一大堆特徵，如何將特徵轉換成模型可以直接輸入的數據，可以通過tf.feature_column.input_layer將數據輸入進神經網絡。通常在tensorflow中，訓練數據中的單條Example通常表示成FeatureColumn，而在模型的第一層中，面向列的數據通常轉換爲tensor。

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

關鍵參數

• features：從key到tensor的一個映射，_FeatureColumn就是通過這些key來查詢的，對應的features的值都是SparseTensor或者Tensor
• feature_columns：表示一個迭代器，包含在模型中將要使用到的FeatureColumns。其中每個列特徵值的類型都必須是 _DenseColumn類的數值，可能是numeric_column、embedding_column、bucketized_column、indicator_column，如果是類別特徵的話，需要包裝在embedding_column或者indicator_column中。

返回

返回一個表示模型輸入層的一個Tensor，shape爲(batch_size, first_layer_dimension)，數值類型爲float32，first_layer_dimension的大小需要基於feature_columns來定。