在 Keras 模型中使用 Tensorflow 特征列答案

【问题标题】：Using a Tensorflow feature_column in a Keras model在 Keras 模型中使用 Tensorflow 特征列
【发布时间】：2018-10-31 12:14:35
【问题描述】：

Tensorflow feature_column 如何与 Keras 模型结合使用？

例如对于 Tensorflow 估计器，我们可以使用来自 Tensorflow Hub 的嵌入列：

embedded_text_feature_column = hub.text_embedding_column(
    key="sentence", 
    module_spec="https://tfhub.dev/google/nnlm-en-dim128/1")

estimator = tf.estimator.DNNClassifier(
hidden_units=[100],
feature_columns=[embedded_text_feature_column],
n_classes=2,
optimizer=tf.train.AdamOptimizer(learning_rate=0.001))

但是，我想使用 TF Hub text_embedding_column 作为 Keras 模型的输入。例如

net = tf.keras.layers.Input(...) # use embedding column here
net = tf.keras.layers.Flatten()
net = Dense(100, activation='relu')(net)
net = Dense(2)(net)

这可能吗？

【问题讨论】：

标签： tensorflow keras deep-learning

【解决方案1】：

答案似乎是您不使用特征列。 Keras 带有自己的一组图像和文本预处理功能，因此您可以使用它们。

所以基本上tf.feature_columns 是为高级API 保留的。然后tf.keras.preprocessing() 函数与tf.keras 模型一起使用。

这里是keras 文档中关于预处理数据部分的链接。 https://keras.io/preprocessing/text/

这是另一个 Stackoverflow 帖子，其中包含此方法的示例。

Add Tensorflow pre-processing to existing Keras model (for use in Tensorflow Serving)

【讨论】：

【解决方案2】：

keras 函数式 api 是一种可行的方法，但如果您想使用feature_columns，本教程将向您展示如何：

https://www.tensorflow.org/beta/tutorials/keras/feature_columns

基本上是这个DenseFeatures 层完成了这项工作：

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

model = tf.keras.Sequential([
  feature_layer,
  layers.Dense(128, activation='relu'),
  layers.Dense(128, activation='relu'),
  layers.Dense(1, activation='sigmoid')
])

【讨论】：