Se usó la API de Cloud Translation para traducir esta página.
Switch to English

tf.keras.layers.DenseFeatures

TensorFlow 1 versión Ver código fuente en GitHub

Una capa que produce una densa Tensor basado en dados feature_columns .

Hereda de: DenseFeatures

Se utiliza en los cuadernos

Se utiliza en los tutoriales

En general, un solo ejemplo en datos de entrenamiento se describe con FeatureColumns. En la primera capa del modelo, estos datos orientada de columna deben ser convertidos a un solo Tensor .

Esta capa puede ser llamado varias veces con diferentes características.

Esta es la versión V2 de esta capa que utiliza name_scopes para crear variables en lugar de variable_scopes. Pero este enfoque actualmente carece de soporte para las variables con particiones. En ese caso, utilice la versión V1 en su lugar.

Ejemplo:

 price = tf.feature_column.numeric_column('price')
keywords_embedded = tf.feature_column.embedding_column(
    tf.feature_column.categorical_column_with_hash_bucket("keywords", 10K),
    dimensions=16)
columns = [price, keywords_embedded, ...]
feature_layer = tf.keras.layers.DenseFeatures(columns)

features = tf.io.parse_example(
    ..., features=tf.feature_column.make_parse_example_spec(columns))
dense_tensor = feature_layer(features)
for units in [128, 64, 32]:
  dense_tensor = tf.keras.layers.Dense(units, activation='relu')(dense_tensor)
prediction = tf.keras.layers.Dense(1)(dense_tensor)
 

feature_columns Un iterable que contiene los FeatureColumns de usar como entradas para su modelo. Todos los artículos deben ser instancias de clases derivadas de DenseColumn como numeric_column , embedding_column , bucketized_column , indicator_column . Si usted tiene características categóricas, se puede envolver con una embedding_column o indicator_column .
trainable Booleano, si se actualizan las variables a través de la capa de descenso de gradiente durante el entrenamiento.
name Nombre para dar a los DenseFeatures.
**kwargs argumentos de palabra clave para la construcción de una capa.

ValueError si un artículo en feature_columns no es un DenseColumn .