tf.contrib.feature_column.sequence_input_layer

"Создаёт входной слой для последовательностей входных данных.

tf.contrib.feature_column.sequence_input_layer(
    features, feature_columns, weight_collections=None, trainable=True
)

Все feature_columns должны быть плотными последовательными столбцами с одинаковым sequence_length. Результат этого метода может быть передан в последовательные сети, такие как RNN.

Результат этого метода — 3D Tensor формы [batch_size, T, D]. T — максимальная длина последовательности для данной партии, которая может отличаться от партии к партии.

Если предоставлено несколько feature_columns с Di num_elements каждое, их результаты конкатенируются. Таким образом, конечный Tensor имеет форму [batch_size, T, D0 + D1 + ... + Dn].

Пример:

rating = sequence_numeric_column('rating')
watches = sequence_categorical_column_with_identity(
    'watches', num_buckets=1000)
watches_embedding = embedding_column(watches, dimension=10)
columns = [rating, watches]

features = tf.io.parse_example(..., features=make_parse_example_spec(columns))
input_layer, sequence_length = sequence_input_layer(features, columns)

rnn_cell = tf.compat.v1.nn.rnn_cell.BasicRNNCell(hidden_size)
outputs, state = tf.compat.v1.nn.dynamic_rnn(
    rnn_cell, inputs=input_layer, sequence_length=sequence_length)