tf.contrib.layers.input_from_feature_columns

Построитель входного слоя стиля tf.contrib.layers, основанный на FeatureColumns.

tf.contrib.layers.input_from_feature_columns(
    columns_to_tensors, feature_columns, weight_collections=None, trainable=True,
    scope=None, cols_to_outs=None
)

В общем случае, один пример в обучающих данных описывается с помощью столбцов признаков. На первом слое модели эти данные, ориентированные на столбцы, должны быть преобразованы в один тензор. Каждый столбец признаков требует разного вида операции во время этого преобразования. Например, для разреженных признаков требуется совершенно другой подход, чем для непрерывных признаков.

Пример:

# Building model for training
columns_to_tensor = tf.io.parse_example(...)
first_layer = input_from_feature_columns(
    columns_to_tensors=columns_to_tensor,
    feature_columns=feature_columns)
second_layer = fully_connected(inputs=first_layer, ...)
...

где столбцы признаков могут быть определены следующим образом:

sparse_feature = sparse_column_with_hash_bucket(
    column_name="sparse_col", ...)
sparse_feature_emb = embedding_column(sparse_id_column=sparse_feature, ...)
real_valued_feature = real_valued_column(...)
real_valued_buckets = bucketized_column(
    source_column=real_valued_feature, ...)

feature_columns=[sparse_feature_emb, real_valued_buckets]