Question

使用Tensorflow 1.8.0时，每当尝试构建分类列时我们都会遇到问题。这是演示问题的完整示例。它按原样运行（仅使用数字列）。取消注释指标列定义和数据的注释会生成堆栈跟踪，结尾为tensorflow.python.framework.errors_impl.InternalError: Unable to get element as bytes.

import tensorflow as tf
import numpy as np

def feature_numeric(key):
  return tf.feature_column.numeric_column(key=key, default_value=0)

def feature_indicator(key, vocabulary):
  return tf.feature_column.indicator_column(
    tf.feature_column.categorical_column_with_vocabulary_list(
      key=key, vocabulary_list=vocabulary ))


labels = ['Label1','Label2','Label3']

model = tf.estimator.DNNClassifier(
  feature_columns=[
    feature_numeric("number"),
    # feature_indicator("indicator", ["A","B","C"]),
  ],
  hidden_units=[64, 16, 8],
  model_dir='./models',
  n_classes=len(labels),
  label_vocabulary=labels)

def train(inputs, training):
  model.train(
    input_fn=tf.estimator.inputs.numpy_input_fn(
        x=inputs,
        y=training,
        shuffle=True
      ), steps=1)

inputs = {
  "number": np.array([1,2,3,4,5]),
  # "indicator": np.array([
  #     ["A"],
  #     ["B"],
  #     ["C"],
  #     ["A", "A"],
  #     ["A", "B", "C"],
  #   ]),
}

training = np.array(['Label1','Label2','Label3','Label2','Label1'])

train(inputs, training)

尝试使用嵌入票价不会更好。仅使用数字输入，我们就可以成功扩展到数千个输入节点，实际上，我们已经临时扩展了预处理器中的分类功能以模拟指标。

categorical_column_*()和indicator_column()的文档中充斥着我们可以肯定不使用的功能（原始输入，无论bytes_list是什么），但也许我们正在使用错了吗？

Answer 1

这里的问题与“指示器”输入数组的参差不齐的形状有关（某些元素的长度为1，一个为长度2，一个为长度3）。如果您用一些非词汇字符串填充输入列表（例如，由于您的词汇是“ A”，“ B”，“ C”，我就用了“ Z”），您将获得预期的结果：

inputs = {
  "number": np.array([1,2,3,4,5]),
  "indicator": np.array([
    ["A", "Z", "Z"],
    ["B", "Z", "Z"],
    ["C", "Z", "Z"],
    ["A", "A", "Z"],
    ["A", "B", "C"]
  ])
}

您可以通过打印结果张量来验证此方法是否有效：

dense = tf.feature_column.input_layer(
  inputs,
  [
    feature_numeric("number"),
    feature_indicator("indicator", ["A","B","C"]),
  ])

with tf.train.MonitoredTrainingSession() as sess:
  print(dense)
  print(sess.run(dense))

Answer 2

据我所知，困难在于您试图从数组数组中创建一个指标列。

我将指标数组折叠到

"indicator": np.array([
  "A",
  "B",
  "C",
  "AA",
  "ABC",
])

...然后事情就过去了。

更多，我找不到词汇表不是平面字符串数组的任何例子。

如何将numpy数组中的分类数据加载到指标或嵌入列中？

2 个答案: