tf.compat.v1.tpu.experimental.shared_embedding_columns

TPU версия tf.compat.v1.feature_column.shared_embedding_columns.

tf.compat.v1.tpu.experimental.shared_embedding_columns(
    categorical_columns, dimension, combiner='mean', initializer=None,
    shared_embedding_collection_name=None, max_sequence_lengths=None,
    learning_rate_fn=None, embedding_lookup_device=None, tensor_core_shape=None,
    use_safe_embedding_lookup=True
)

Обратите внимание, что интерфейс tf.tpu.experimental.shared_embedding_columns отличается от интерфейса tf.compat.v1.feature_column.shared_embedding_columns: не поддерживаются следующие аргументы: ckpt_to_load_from, tensor_name_in_ckpt, max_norm и trainable.

Используйте эту функцию вместо `tf.compat.v1.feature_column.shared_embedding_columns`, если вы хотите использовать TPU для ускорения поиска встраиваний с помощью TPU встраиваний.

column_a = tf.feature_column.categorical_column_with_identity(...)
column_b = tf.feature_column.categorical_column_with_identity(...)
tpu_columns = tf.tpu.experimental.shared_embedding_columns(
    [column_a, column_b], 10)
...
def model_fn(features):
  dense_feature = tf.keras.layers.DenseFeature(tpu_columns)
  embedded_feature = dense_feature(features)
  ...

estimator = tf.estimator.tpu.TPUEstimator(
    model_fn=model_fn,
    ...
    embedding_config_spec=tf.estimator.tpu.experimental.EmbeddingConfigSpec(
        column=tpu_columns,
        ...))

Аргументы
`categorical_columns`	Список категориальных столбцов, возвращаемых из `categorical_column_with_identity`, `weighted_categorical_column`, `categorical_column_with_vocabulary_file`, `categorical_column_with_vocabulary_list`, `sequence_categorical_column_with_identity`, `sequence_categorical_column_with_vocabulary_file`, `sequence_categorical_column_with_vocabulary_list`
`dimension`	Целое число, определяющее размер встраивания, должно быть > 0.
`combiner`	Строка, определяющая способ сокращения, если в одной строке несколько записей для столбца, не являющегося последовательностью. Дополнительная информация см. в `tf.feature_column.embedding_column`.
`initializer`	Функция инициализации переменной, используемая при инициализации переменной встраивания. Если не указано, по умолчанию используется `tf.truncated_normal_initializer` со средним значением `0.0` и стандартным отклонением `1/sqrt(dimension)`
`shared_embedding_collection_name`	Необязательное имя коллекции, в которую добавляются общие весы встраивания. Если не указано, будет выбрано разумное имя на основе имен `categorical_columns`. Это также используется в `variable_scope` при создании общих весов встраивания.
`max_sequence_lengths`	Список неотрицательных целых чисел, либо None, либо пустой, либо такой же длины, как аргумент categorical_columns. Записи, соответствующие столбцам, не являющимся последовательностями, должны быть 0, а записи, соответствующие последовательным столбцам, указывают максимальную длину последовательности для столбца. Любая последовательность, короче этой, будет дополнена 0 встраиваниями, а любая более длинная будет усечена.
`learning_rate_fn`	Функция, которая принимает глобальный шаг и возвращает скорость обучения для таблицы встраивания. Если вы планируете использовать одинаковую скорость обучения для нескольких таблиц встраивания, убедитесь, что вы передаете в оба вызова shared_embedding_columns точно ту же самую функцию Python, в противном случае производительность может пострадать.
`embedding_lookup_device`	Устройство, на котором необходимо выполнить поиск встраивания. Допустимые варианты: «cpu», «tpu_tensor_core» и «tpu_embedding_core». При указании «tpu_tensor_core» необходимо указать tensor_core_shape. По умолчанию «cpu». Если не указано, по умолчанию используется поиск встраивания на «tpu_embedding_core» при обучении и «cpu» при инференсе. Допустимые варианты для обучения: [«tpu_embedding_core», «tpu_tensor_core»]. Допустимые варианты для работы в режиме предоставления сервиса: [«cpu», «tpu_tensor_core»]. Для обучения tpu_embedding_core подходит для больших словарей встраивания (> 1 млн), в противном случае tpu_tensor_core часто достаточно. Для предоставления сервиса поиск встраивания на tpu_tensor_core во время предоставления сервиса — способ уменьшить использование процессора хоста в тех случаях, когда это является узким местом.
`tensor_core_shape`	Если указано, список целых чисел, определяющий предполагаемую плотную форму для выполнения поиска встраивания для этого признака на TensorCore. Размер пакетной обработки может быть None или -1, чтобы указать динамический размер. В настоящее время поддерживаются только формы ранга 2.
`use_safe_embedding_lookup`	Если True, использует safe_embedding_lookup_sparse вместо embedding_lookup_sparse. safe_embedding_lookup_sparse гарантирует, что нет пустых строк и все веса и идентификаторы положительные за счет дополнительных затрат на вычисления. Это относится только к тензорам входных данных с формой ранга 2 (NxM). По умолчанию True, рассмотрите возможность выключения, если вышеуказанные проверки не нужны. Обратите внимание, что пустые строки не вызовут никаких ошибок, хотя результат вывода может быть 0 или пропущен.

Возвращает
Список `_TPUSharedEmbeddingColumnV2`.

Возбуждает
`ValueError`	если `dimension` не > 0.
`ValueError`	если `initializer` указан, но не является вызываемой функцией.
`ValueError`	если `max_sequence_lengths` указан и не имеет такой же длины, как `categorical_columns`.
`ValueError`	если `max_sequence_lengths` положительно для столбца, не являющегося последовательностью, или 0 для последовательного столбца.

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.3/api_docs/python/tf/compat/v1/tpu/experimental/shared_embedding_columns