Question

我对feature_columns和Tensorflow中的input_shape和tf.keras.layers.InputLayer参数有疑问。

我正在跟踪一个示例，该示例具有以下代码来创建要素列：

feature_columns = []
latitude = tf.feature_column.numeric_column("latitude")
feature_columns.append(latitude)
longitude = tf.feature_column.numeric_column("longitude")
feature_columns.append(longitude)
fp_feature_layer = layers.DenseFeatures(feature_columns)

下面是构建模型的代码：

def build_model(my_learning_rate, feature_layer)
    model = tf.keras.models.Sequential()
    model.add(feature_layer)
    model.add(tf.keras.layers.Dense(units=1, input_shape=(1,)))
    model.compile(optimizer=tf.keras.optimizers.RMSprop(lr=my_learning_rate),
            loss="mean_squared_error",
            metrics=[tf.keras.metrics.RootMeanSquaredError()])

调用build_model函数时，我将传入一个学习速率和要素层，即fp_feature_layer。我的问题是，由于feature_columns具有两个特征，即纬度和经度，因此input_shape不应为(2,)而不是(1,)。或者，更一般而言，由于代码已经指定了feature_layer，我们是否还在input_shape中指定了model.add(tf.keras.layers.Dense()？ input_shape是否由feature_layer确定？它是如何运作的？由于每个示例的输出仅为一个值，因此units=1对我来说很有意义。但是我很难理解input_shape。预先感谢！

Answer 1

是的，您对create table testbowman4(Prop_0 int, Prop_1 int, Prop_2 int)的理解是正确的。

因此，可以从以下位置修改代码

feature layer will know the input shape, we don't need to specify the input shape again in the first hidden layer

到

model.add(tf.keras.layers.Dense(units=1, input_shape=(1,)))

请参阅此Comprehensive Tensorflow Tutorial，以了解如何在model.add(tf.keras.layers.Dense(units=1))中使用Feature Columns和Feature Layer。

希望这会有所帮助。学习愉快！

确定Keras模型的输入形状

1 个答案: