如何使用 Tensorflow 和 Estimator 一次性查看所有特征列转换?
tensorflowserver side programmingprogramming更新于 2025/5/20 3:07:17
借助‘DenseFeatures’方法，可以使用 Tensorflow 和 Estimator 查看数据集的所有特征列。这些数据被转换成 Numpy 数组，以便可以在控制台上查看。
阅读更多: 什么是 TensorFlow，以及 Keras 如何与 TensorFlow 配合使用来创建神经网络?
我们将使用 Keras Sequential API，它有助于构建一个顺序模型，该模型用于处理普通的层堆栈，其中每个层都有一个输入张量和一个输出张量。
包含至少一个层的神经网络称为卷积层。我们可以使用卷积神经网络构建学习模型。
我们使用 Google Colaboratory 运行以下代码。Google Colab 或 Colaboratory 有助于在浏览器上运行 Python 代码，无需配置，可以免费访问 GPU(图形处理单元)。Colaboratory 建立在 Jupyter Notebook 之上。
估算器使用特征列来描述模型如何解释原始输入特征。估算器需要一个数字输入向量，特征列将有助于描述模型应如何转换数据集中的每个特征。选择和使用正确的特征列集对于学习有效的模型至关重要。特征列可以是原始特征字典中的原始输入之一，也可以是使用在一个或多个基础列上定义的转换创建的新列。
示例
print("Viewing all feature column transformation together")
tf.keras.layers.DenseFeatures(feature_columns)(example).numpy()
代码来源 −https://www.tensorflow.org/tutorials/estimator/boosted_trees
输出
Viewing all feature column transformation together array([[22. , 1. , 0. , 1. , 0. , 0. , 1. , 0. , 0. , 0. , 0. , 0. , 0. , 0. , 1. , 0. , 0. , 0. , 7.25, 1. , 0. , 0. , 0. , 0. , 0. , 0. , 1. , 0. , 0. , 0. , 0. , 0. , 1. , 0. ]], dtype=float32)
解释
- 所有特征列转换都可以一起查看。
- 可以使用‘DenseFeatures’方法完成。
- 此转换显示在控制台上。
