Question

我们希望估算器像智能手机中的键盘一样预测单词或下一个作品。我们想在一些文本文件上对其进行训练。

所以我们继续研究tensorflow API，发现

estimator = RNNEstimator(
    head=tf.contrib.estimator.regression_head(),
    sequence_feature_columns=[token_emb],
    rnn_cell_fn=rnn_cell_fn)

这似乎是为RNN创建估算器的便捷方法。现在，我们在功能列方面面临问题。我们正在像这样设置它们

token_sequence = sequence_categorical_column_with_hash_bucket(
    key="text", hash_bucket_size=num_of_categories, dtype=tf.string)
token_emb = embedding_column(categorical_column=token_sequence, 
    dimension=8)

在我们的输入函数中定义了'text'

train_input_fn = tf.estimator.inputs.numpy_input_fn(
    x={"text": features},
    y=labels,
    batch_size=batch_size,
    num_epochs=None,
    shuffle=True)

其中features只是从原始文本中抽取的一长串40个字符的序列。

问题

是否可以在字符串输入上使用要素列？该文档并没有真正释放太多。
如何处理标签？目前，我们收到一个错误，因为它们从未转换为整数
即使在引入任意整数作为标签时，调用estimator.train(input_fn=train_input_fn, steps=100)时也会出现错误

'给定类型：{}'。format（type（features）））ValueError：功能应是Tensor s的字典。给定类型：

所以我们绝对在这里做错了。任何帮助表示赞赏：）

Answer 1

有一个简短的示例，将字符串单词特征作为SparseTensors传递到StateSavingRnnEstimator unit tests中的一步一步标签from pydub import AudioSegment import matplotlib.pyplot as plt import numpy as np import wave import sys（即语言建模）中。看起来您正在尝试做的事情差不多了，但有一点要注意，该估算器已过时；可以从中汲取灵感并定义自己的document.addEventListener("DOMContentLoaded", (event) => { page.getPropsAsync(request).then((props:any) => { const layoutElement = <Layout pageProps={props}/> hydrate(layoutElement, document.getElementById("root-div")) }) })。

使用Estimator API对大型字符串进行RNN训练

问题

1 个答案: