这是一篇价值1500的文章：tensorflow2.0 feature_columns 如何输入到keras 功能性模型（funtional api）

最新推荐文章于 2024-04-18 07:45:00 发布

anavanab99

最新推荐文章于 2024-04-18 07:45:00 发布

阅读量458

点赞数 2

分类专栏： tensorflow 文章标签： tensorflow 深度学习机器学习

本文链接：https://blog.csdn.net/anavanab99/article/details/106393799

版权

本文介绍了如何在TensorFlow 2.0中将feature_columns与Keras的Functional API结合使用，特别是如何将特征列转换为模型输入，避免不必要的高昂代做费用。关键在于通过添加一个输入层将特征列转化为张量，以便成功运行模型。作者还提到对于序列数据的问题尚未解决，并邀请对此有经验的人进行交流。

摘要由CSDN通过智能技术生成

这是一篇价值1500的文章：tensorflow2.0 feature_columns 如何输入到keras 功能性模型（funtional api）
因为一开始这个问题解决不了，找谋宝代做，（只是要个案例而已哦，代码已经写好的那种哦）居然要价1500！还说什么博士，要研究很久，还说解决了很多次同样的问题（为了给广大码农省下宝贵的1500，特意开这个帖子）给钱是不可能给钱的，所以自己谷歌解决了，总共改了就三句
其实关键就在于特征列后面要添加一个输入层，添加后feature_layer_inputs[‘thal’] = tf.keras.Input(shape=(1,), name=‘thal’, dtype=tf.string)
这句把数据变成张量输入到模型里头就能跑通了。然而时序类的还没解决，sequence_numeric_column 这种，有解决案例的朋友可以联系我qq：402868327 互相学习。

另外，不做特征工程的深度学习都是耍流氓

from __future__ import absolute_import, division, print_function

import numpy as np
import pandas as pd

#!pip install tensorflow==2.0.0-alpha0
import tensorflow as tf

from tensorflow import feature_column
from tensorflow import keras
from tensorflow.keras import layers
from sklearn.model_selection import train_test_split

URL = 'https://storage.googleapis.com/applied-dl/heart.csv'
dataframe = pd.read_csv(URL)
dataframe.head()

train, test = train_test_split(dataframe, test_size=0.2)
train, val = train_test_split(train, test_size=0.2)
print(len(train), 'train examples')
print(len(val), 'va