tensorflow中常见操作总结

阿里云双11来了!从本博客参与阿里云,服务器最低只要86元/年!

1、关于读取dataframe数据为dataset,并做batch处理

2、关于使用底层结构处理hash_bucket和直接调用tf.feature_column.embedding_column的效果查看。

    本次验证的目的在于:使用tf.feature_column.embedding_column函数进行训练得到的vector,在预测时直接使用tf.feature_column.embedding_column(k,dimension=8,ckpt_to_load_from=’,tensor_name_in_ckpt=embedding_weights”)来调用时,能否将样本对应到相应的hash bucket中。

    首先,将category column进行tf.feature_column.categorical_column_with_hash_bucket处理,最后得到的hash_bucket即为分hash bucket后,每个样本对应的hash桶id。

然后,在预测时,直接调用tf.feature_column.embedding_column(k,dimension=8,ckpt_to_load_from=’,tensor_name_in_ckpt=embedding_weights”),对样本进行处理。这里取id=45,发现调用后id为45的样本为第0,41,433个,取sess.run()后的数据查看,发现进过训练得到的embedding向量完全一致!

经过这一系列的验证,发现直接tf.feature_column.embedding_column很方便,且能保证训练和预测一致。

https://www.jianshu.com/p/45ec48737bec

Python量化投资网携手4326手游为资深游戏玩家推荐:《手机游戏下载_好玩的手机游戏下载

「点点赞赏,手留余香」

    还没有人赞赏,快来当第一个赞赏的人吧!
0 条回复 A 作者 M 管理员
    所有的伟大,都源于一个勇敢的开始!
欢迎您,新朋友,感谢参与互动!欢迎您 {{author}},您在本站有{{commentsCount}}条评论