資料結構
網路
關係型資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 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
時尚研究
法律研究如何使用 Estimators 在 TensorFlow 中執行資料轉換？
可以使用“DenseFeatures”方法對泰坦尼克號資料集執行資料轉換。需要轉換的列將轉換為 NumPy 陣列。
閱讀更多： 什麼是 TensorFlow 以及 Keras 如何與 TensorFlow 協作建立神經網路？
我們將使用 Keras Sequential API，它有助於構建一個順序模型，用於處理簡單的層堆疊，其中每一層都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稱為卷積神經網路。我們可以 使用卷積神經網路構建學習模型。
Estimator 是 TensorFlow 中對完整模型的高階表示。它旨在簡化擴充套件和非同步訓練。Estimator 使用特徵列來描述模型如何解釋原始輸入特徵。Estimator 期望一個數值輸入向量，特徵列將幫助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，也可以是使用針對一個或多個基礎列定義的轉換建立的新列。
線性估計器使用數值和分類特徵。特徵列適用於所有 TensorFlow 估計器。它們的目的是定義用於建模的特徵。它們還具有特徵工程功能，例如獨熱編碼、歸一化和分箱。
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()程式碼來源 -https://www.tensorflow.org/tutorials/estimator/linear
輸出
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)
解釋
DenseFeatures 接受密集張量。
這樣做是為了檢查需要轉換的分類列。
在任何其他計算之前，它首先被轉換為指示符列。
更新於： 2021年2月25日
88 次瀏覽
廣告