Question

我有一个回归网络，该网络吸收一组特征的二进制输入向量，并产生线性输出。但是，我在输入层上使用了DenseFeatures功能，如下所示

feature_columns = []
for header in ['FEATURE1', 'FEATURE2', 'FEATURE3', 'FEATURE4', 'FEATURE5']:
    feature_columns.append(feature_column.numeric_column(header))


feature_layer = tf.keras.layers.DenseFeatures(feature_columns)

完整模型为

model = keras.Sequential([
    feature_layer,
    layers.Dense(64, activation=tf.nn.relu),
    layers.Dense(1), activation='relu'
  ])

但是，当我从python环境（运行Tensorflow的2.0 alpha版本）导出此模型并尝试通过以下方式将其导入到我的node.js应用中时：

import * as tf from '@tensorflow/tfjs';
tf.loadLayersModel('/PATH_TO_FILE/model.json');

我收到以下错误：

Unknown layer: DenseFeatures

我认为这是由于DenseFeatures功能尚未移植到Tensorflow的javascript版本引起的？

如此，什么仍然是输入层的合适替代品，而仍然可以获得相同的功能？数据由5个二元特征（正在研究的工件具有或没有该特征）组成，并且输出是一个数字，例如工件的价格。这样，一个合适的数据点就可以了。

（1,0,1,0,0），（100）

谢谢：）

Answer 1

您可以使用tf.loadGraphModel代替tf.loadLayersModel。这样，您可以在tfjs内使用DenseFeatures。

使用转换器创建图形模型：

model.save(temp_path, overwrite=True)
tfjs.converters.convert_tf_saved_model(temp_path, out_path)

Here是对DenseFeatures和loadLayersModel的问题跟踪支持。

Tensorflow：替代DenseFeatures输入层，可移植到tfjs

1 个答案: