資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝學
法學如何使用TensorFlow和Estimator同時檢視所有特徵列轉換？
可以使用TensorFlow和Estimator以及“DenseFeatures”方法檢視資料集的所有特徵列。此資料被轉換為NumPy陣列，以便可以在控制檯上檢視。
閱讀更多： 什麼是TensorFlow以及Keras如何與TensorFlow一起建立神經網路？
我們將使用Keras Sequential API，它有助於構建一個順序模型，該模型用於處理簡單的層堆疊，其中每一層只有一個輸入張量和一個輸出張量。
包含至少一層卷積層的神經網路被稱為卷積神經網路。我們可以使用卷積神經網路來構建學習模型。
我們正在使用Google Colaboratory執行以下程式碼。Google Colab或Colaboratory有助於在瀏覽器上執行Python程式碼，無需任何配置，並可免費訪問GPU（圖形處理器）。Colaboratory構建在Jupyter Notebook之上。
Estimator使用特徵列來描述模型如何解釋原始輸入特徵。Estimator需要一個數值輸入向量，特徵列將有助於描述模型應該如何轉換資料集中每個特徵。選擇和使用正確的特徵列集對於學習有效的模型至關重要。特徵列可以是原始特徵字典中的原始輸入之一，也可以是使用在一個或多個基本列上定義的轉換建立的新列。
示例
print("Viewing all feature column transformation together")
tf.keras.layers.DenseFeatures(feature_columns)(example).numpy()程式碼來源 −https://www.tensorflow.org/tutorials/estimator/boosted_trees
輸出
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)
解釋
- 所有特徵列轉換可以一起檢視。
- 可以使用“DenseFeatures”方法實現。
- 此轉換顯示在控制檯上。
更新於：2021年2月25日
84 次瀏覽
廣告