假设我有一个训练有素的TensorFlow网络,可以将输入df_fact_eng = pd.DataFrame({'Eigenschaftstyp_Name':list('abcdef'),
'Katalog_ID':[4] * 6,
'Produkt_ID':[7] * 6,
'Style':[1] * 3 + [7] * 3,
'Wert':[5,3,6,9,2,4],
'Col':[7,8,1,4,5,1]})
df_fact_eng=df_fact_eng.set_index(['Katalog_ID','Produkt_ID','Style','Eigenschaftstyp_Name'])
print (df_fact_eng)
Col Wert
Katalog_ID Produkt_ID Style Eigenschaftstyp_Name
4 7 1 a 7 5
b 8 3
c 1 6
7 d 4 9
e 5 2
f 1 4
df = df_fact_eng.unstack()
#flatten MultiIndex to single columns
df.columns = df.columns.map('_'.join)
df = df.reset_index(level=['Style', 'Katalog_ID', 'Produkt_ID']).reset_index(drop=True)
print (df)
Katalog_ID Produkt_ID Style Col_a Col_b Col_c Col_d Col_e Col_f \
0 4 7 1 7.0 8.0 1.0 NaN NaN NaN
1 4 7 7 NaN NaN NaN 4.0 5.0 1.0
Wert_a Wert_b Wert_c Wert_d Wert_e Wert_f
0 5.0 3.0 6.0 NaN NaN NaN
1 NaN NaN NaN 9.0 2.0 4.0
转换为输出A
,而无需任何其他输入。我想迭代网络以生成一系列状态B
,其中每个输出作为输入馈送到网络,以便生成下一个状态(如马尔可夫链)。
有没有办法在TensorFlow中完全执行此迭代(即,在图中包含迭代),同时在每个时间步记录输出的快照?在我看来,这似乎可能涉及到RNN,但是当我已经有一个正常通行的工作网络时,我不确定如何构建RNN。