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。