ich nach dem Tutorial über tensorflow bin konvertieren: https://www.tensorflow.org/tutorials/wideWie ein dict Tensoren in tensorflow
Es gibt viele Eigenschaften, die kategorischen mit tf.feature_column.categorical_column_with_vocabulary_list()
zu Sparse Matrix umgewandelt werden müssen.
ABER, ich will nicht den vordefinierten Estimator verwenden,
m = tf.estimator.LinearClassifier(
model_dir=model_dir, feature_columns=base_columns + crossed_columns)
Ich ziehe eine kostümierte NN-Modell zu verwenden, mit:
estimator = tf.contrib.learn.Estimator(model_fn=model)
estimator.fit(input_fn=input_fn(df, num_epochs=100, shuffle=True), \
steps=100)
So in model()
, wird es
def model(features, labels, mode):
...
node = tf.add(tf.matmul(features, w), b)
...
Dann habe ich die Fehler wie:
TypeError: Failed to convert object of type <class 'dict'> to Tensor.
Contents: {'education': <tf.Tensor
'random_shuffle_queue_DequeueUpTo:1' shape=(?,) dtype=string>, 'age':
<tf.Tensor 'random_shuffle_queue_DequeueUpTo:2' shape=(?,) dtype=float64> ...
Meine Frage ist, wie man den in einen Tensor umwandelt, der als Eingabe verwendet werden kann.
Ich hoffe, ich habe die Frage klar beschrieben. Vielen Dank im Voraus.
Vielen Dank für die Antwort. Aber wie kann ich die konvertierten 'Features' mit dem' tf.contrib.learn.Estimator' verknüpfen? – user2413399
@ user2413399 Antwort ist aktualisiert. –
Danke! Das hilft sehr und löste mein Problem. – user2413399