python - 如何将分类数据从 numpy 数组加载到指标或嵌入列中？

Question

使用 Tensorflow 1.8.0，每当我们尝试构建分类列时，我们都会遇到问题。这是演示问题的完整示例。它按原样运行(仅使用数字列)。取消注释指示器列定义和数据会生成以 tensorflow.python.framework.errors_impl.InternalError: Unable to get element as bytes.

结尾的堆栈跟踪

import tensorflow as tf
import numpy as np

def feature_numeric(key):
  return tf.feature_column.numeric_column(key=key, default_value=0)

def feature_indicator(key, vocabulary):
  return tf.feature_column.indicator_column(
    tf.feature_column.categorical_column_with_vocabulary_list(
      key=key, vocabulary_list=vocabulary ))


labels = ['Label1','Label2','Label3']

model = tf.estimator.DNNClassifier(
  feature_columns=[
    feature_numeric("number"),
    # feature_indicator("indicator", ["A","B","C"]),
  ],
  hidden_units=[64, 16, 8],
  model_dir='./models',
  n_classes=len(labels),
  label_vocabulary=labels)

def train(inputs, training):
  model.train(
    input_fn=tf.estimator.inputs.numpy_input_fn(
        x=inputs,
        y=training,
        shuffle=True
      ), steps=1)

inputs = {
  "number": np.array([1,2,3,4,5]),
  # "indicator": np.array([
  #     ["A"],
  #     ["B"],
  #     ["C"],
  #     ["A", "A"],
  #     ["A", "B", "C"],
  #   ]),
}

training = np.array(['Label1','Label2','Label3','Label2','Label1'])

train(inputs, training)

尝试使用嵌入票价并没有更好。仅使用数字输入，我们就可以成功地扩展到数千个输入节点，事实上，我们临时扩展了预处理器中的分类特征来模拟指标。

categorical_column_*() 和 indicator_column() 的文档中充斥着对我们非常确定我们没有使用的功能的引用(原型(prototype)输入，无论 bytes_list 是)但也许我们错了？

Answer 1

这里的问题与“指标”输入数组的参差不齐的形状有关(一些元素的长度为 1，一个长度为 2，一个长度为 3)。如果你用一些非词汇字符串填充你的输入列表(例如我使用“Z”因为你的词汇是“A”，“B”，“C”)，你会得到预期的结果:

inputs = {
  "number": np.array([1,2,3,4,5]),
  "indicator": np.array([
    ["A", "Z", "Z"],
    ["B", "Z", "Z"],
    ["C", "Z", "Z"],
    ["A", "A", "Z"],
    ["A", "B", "C"]
  ])
}

您可以通过打印生成的张量来验证这是否有效:

dense = tf.feature_column.input_layer(
  inputs,
  [
    feature_numeric("number"),
    feature_indicator("indicator", ["A","B","C"]),
  ])

with tf.train.MonitoredTrainingSession() as sess:
  print(dense)
  print(sess.run(dense))