如何使用 Tensorflow 与 Estimators 进行数据转换?
tensorflowserver side programmingprogramming更新于 2025/5/20 6:07:17
可以借助‘DenseFeatures’方法对 titanic 数据集进行数据转换。需要转换的列将转换为 Numpy 数组。
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，它有助于构建用于处理普通层堆栈的顺序模型，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。
估算器是 TensorFlow 对完整模型的高级表示。它旨在轻松扩展和异步训练。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。
线性估算器使用数字和分类特征。特征列适用于所有 TensorFlow 估算器。它们的目标是定义用于建模的特征。它们还具有特征工程功能，例如独热编码、规范化和分桶化。
示例
print("A categorial column is transformed to an indicator column")
gender_column = feature_columns[0]
tf.keras.layers.DenseFeatures([tf.feature_column.indicator_column(gender_column)])(feature_batch).numpy()
代码来源 −https://www.tensorflow.org/tutorials/estimator/linear
输出
A categorial column is transformed to an indicator column array([[1., 0.], [0., 1.], [0., 1.], [1., 0.], [1., 0.], [1., 0.], [0., 1.], [0., 1.], [1., 0.], [1., 0.]], dtype=float32)
解释
DenseFeatures 接受密集张量。
这样做是为了检查需要转换的分类列。
在进行任何其他计算之前，它首先被转换为指示列。
相关文章
打印
下一节:如何将 Tensorflow 与 Estimators 结合使用来训练 titanic 数据集的模型? ❯❮ 上一节:如何使用 Tensorflow 与 Estimators 检查 titanic 数据集中的特定列?
