python - TensorFlow DNNClassifier 特征专栏

Question

我已经成功地在深度神经网络模型上使用了来自tensorflow的mnist数据集，该模型是我从头开始编码的。现在我想尝试使用 tensorflow 中可用的更简单的 DNNClassifier 函数。我面临两个问题，我似乎无法在互联网上找到解决方案

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("/tmp/data/", one_hot=True)


estimator = tf.estimator.DNNClassifier(
    feature_columns=[28,9], #WTH is this!?!!
    hidden_units=[28, 512, 9],
    optimizer=tf.train.GradientDescentOptimizer(
        learning_rate=0.1,
    ))
x,y =mnist.train.next_batch(500)


estimator.train(input_fn=x,y,steps = 100)

1. 有一个与 DNNClassifier 相关的参数，即 feature_columns。它的文档对我来说没有意义。什么是feature_columns？它在深度神经网络中扮演什么角色？应该给出什么类型的变量？ (列表、元组、numpy 数组？)

2. 如何将训练数据输入估计器？我无法解决 feature_columns 问题，因此我无法让估算器工作，这意味着我无法让训练发挥作用。但我相信我当前的编码方式是错误的。

Answer 1

该变量创建 feature_columns，它指定模型的输入。不确定为什么要使用数组作为变量，它应该是 tf.feature_column.numeric_column，因为所有输入特征在 mnist 中都是数字。

就输入数据而言， tensorflow 人员似乎专门实现了输入函数，这使得输入和格式化数据变得更加容易。

我发现文档有时很有帮助。看起来您已将各个部分组装到代码中，但并非所有部分都是兼容的。例如，预设的估计器不接受学习率输入。此外，隐藏单元的数量远远超出了所需的数量，除非您喜欢观看处理器将其风扇推至极限。

开发者博客写得清晰、透彻。我建议从博客开始学习如何使用“预设”估算器。它非常清晰且易于使用，可以让机器学习适应您自己的数据集。

看这个； https://developers.googleblog.com/2017/09/introducing-tensorflow-datasets.html