Tensorflow는 빈 목록을 만들고 훈련 데이터 세트의 '키' 값에 액세스하고 이를 반복함으로써 추정기 모델에 대한 기능 열을 정의하는 데 사용할 수 있습니다. 반복하는 동안 기능 이름이 빈 목록에 추가됩니다.
자세히 알아보기: TensorFlow란 무엇이며 Keras가 TensorFlow와 함께 신경망을 생성하는 방법은 무엇입니까?
모든 레이어에 정확히 하나의 입력 텐서와 하나의 출력 텐서가 있는 일반 레이어 스택으로 작업하는 데 사용되는 순차 모델을 구축하는 데 도움이 되는 Keras Sequential API를 사용할 것입니다.
하나 이상의 레이어를 포함하는 신경망을 컨볼루션 레이어라고 합니다. Convolutional Neural Network를 사용하여 학습 모델을 구축할 수 있습니다.
TensorFlow Text에는 TensorFlow 2.0과 함께 사용할 수 있는 텍스트 관련 클래스 및 작업 모음이 포함되어 있습니다. TensorFlow Text는 시퀀스 모델링을 전처리하는 데 사용할 수 있습니다.
Google Colaboratory를 사용하여 아래 코드를 실행하고 있습니다. Google Colab 또는 Colaboratory는 브라우저를 통해 Python 코드를 실행하는 데 도움이 되며 구성이 필요 없고 GPU(그래픽 처리 장치)에 대한 무료 액세스가 필요합니다. Colaboratory는 Jupyter Notebook을 기반으로 구축되었습니다.
Estimator는 완전한 모델에 대한 TensorFlow의 상위 수준 표현입니다. 손쉬운 확장 및 비동기식 교육을 위해 설계되었습니다.
예시
print("Building list of feature columns for estimator model")
my_feature_columns = []
for key in train.keys():
my_feature_columns.append(tf.feature_column.numeric_column(key=key)) 코드 크레딧 -https://www.tensorflow.org/tutorials/estimator/premade#first_things_first
출력
Building list of feature columns for estimator model
설명
-
기능 열은 모델이 기능 사전의 원시 입력 데이터를 사용하는 방법을 설명합니다. Estimator 모델이 빌드되면 기능 열 목록이 전달됩니다.
-
모델이 사용해야 하는 각 기능을 설명합니다.
-
tf.feature_column 모듈은 모델에 데이터를 표현하기 위한 많은 옵션을 제공합니다.
-
우리는 4개의 특징 각각을 32비트 부동 소수점 값으로 나타내도록 Estimator 모델에 지시하는 특징 열 목록을 작성합니다.