我的单热编码似乎在训练期间错误地具有3个维度（我认为它应该有2个），这会导致OOM。我如何错误地构建单热功能列？
当我开始训练神经网络时，我得到了这个错误：
在分配形状的张量时的OOM [114171,829,829]
[[节点： DNN / input_from_feature_columns / input_layer / air_store_id_indicator / one_hot = OneHot [T = DT_FLOAT，TI = DT_INT64，axis = -1，_device =＆＃34; / job：localhost / replica：0 / task：0 / gpu：0＆＃34;]（dnn / input_from_feature_columns / input_layer / air_store_id_indicator / SparseToDense / _149， DNN / input_from_feature_columns / input_layer / air_store_id_indicator / one_hot /深度， DNN / input_from_feature_columns / input_layer / air_store_id_indicator / one_hot / on_value， DNN / input_from_feature_columns / input_layer / air_store_id_indicator / one_hot / off_value）]]
我尝试定义一个在我的DNNRegressor中使用的单热功能列，如下所示：
tf.feature_column.indicator_column(
tf.feature_column.categorical_column_with_identity(key='id', num_buckets=df_train['id'].unique().size))
在我的input_fn DNNRegressor::fit()中，我填充了这样的热门编码：
labels, uniques = pd.factorize(df_train['id'])
returned_feature_columns[k] = tf.one_hot(labels, uniques.size, 1, 0)
当我打印那个单热编码时，它的尺寸看起来是正确的，因为我有114171个训练样例和829个唯一ID：
Tensor("one_hot:0", shape=(114171, 829), dtype=int32)
答案 0 :(得分：1)
定义的张量消耗大量内存。 SELECT A.ID,A.NAME,B.AGE
FROM A JOIN B
ON A.ID = B.ID
协议缓冲区有2GB的限制。您应该用较小的批次训练您的模型。有一个很好的更高级别的Estimator API可以为tf.GraphDef数据框构建input_fn：
pandas有关详细信息，请参阅文档here。