tf.keras.layers.DenseFeatures

Слой, который производит плотное Tensor на основе заданных feature_columns.

tf.keras.layers.DenseFeatures(
    feature_columns, trainable=True, name=None, **kwargs
)

Обычно каждый пример в обучающих данных описывается FeatureColumns. В первом слое модели эти данные, ориентированные на столбцы, должны быть преобразованы в единый Tensor.

Этот слой может вызываться несколько раз с различными признаками.

Это версия V1 этого слоя, использующего variable_scope для создания переменных, что хорошо работает с PartitionedVariables. Variable scope устарели в V2, поэтому версия V2 использует name_scope вместо этого. Но в настоящее время это не поддерживает разбиение переменных. Используйте его, если вам нужны разбиение переменных.

Пример:

price = numeric_column('price')
keywords_embedded = embedding_column(
    categorical_column_with_hash_bucket("keywords", 10K), dimensions=16)
columns = [price, keywords_embedded, ...]
feature_layer = DenseFeatures(columns)

features = tf.io.parse_example(..., features=make_parse_example_spec(columns))
dense_tensor = feature_layer(features)
for units in [128, 64, 32]:
  dense_tensor = tf.compat.v1.keras.layers.Dense(
                     units, activation='relu')(dense_tensor)
prediction = tf.compat.v1.keras.layers.Dense(1)(dense_tensor)