tf.compat.v1.estimator.tpu.experimental.EmbeddingConfigSpec

Класс для отслеживания спецификаций TPU встраиваний.

tf.compat.v1.estimator.tpu.experimental.EmbeddingConfigSpec(
    feature_columns=None,
    optimization_parameters=None,
    clipping_limit=None,
    pipeline_execution_with_tensor_core=False,
    experimental_gradient_multiplier_fn=None,
    feature_to_config_dict=None,
    table_to_config_dict=None,
    partition_strategy='div',
    profile_data_directory=None
)

TPU Estimator управляет собственной графой TensorFlow и сессией, поэтому он несовместим с поведением TF2. Мы рекомендуем вам перейти к более новому tf.distribute.TPUStrategy. Подробности см. в руководстве по TPU.

Описание

Передайте этот класс в tf.estimator.tpu.TPUEstimator через параметр embedding_config_spec. Минимально необходимо указать feature_columns и optimization_parameters. Передаваемые столбцы признаков должны быть созданы с помощью некоторой комбинации tf.tpu.experimental.embedding_column и tf.tpu.experimental.shared_embedding_columns.

TPU-встраивания не поддерживают произвольные оптимизаторы Tensorflow, и основной оптимизатор, который вы используете для вашей модели, будет проигнорирован для переменных таблицы встраивания. Вместо этого TPU-встраивания поддерживают фиксированный набор предопределённых оптимизаторов, которые вы можете выбрать и настроить параметры. К ним относятся adagrad, adam и стохастический градиентный спуск. Каждый поддерживаемый оптимизатор имеет класс Parameters в пространстве имён tf.tpu.experimental.

column_a = tf.feature_column.categorical_column_with_identity(...)
column_b = tf.feature_column.categorical_column_with_identity(...)
column_c = tf.feature_column.categorical_column_with_identity(...)
tpu_shared_columns = tf.tpu.experimental.shared_embedding_columns(
    [column_a, column_b], 10)
tpu_non_shared_column = tf.tpu.experimental.embedding_column(
    column_c, 10)
tpu_columns = [tpu_non_shared_column] + tpu_shared_columns
...
def model_fn(features):
  dense_features = tf.keras.layers.DenseFeature(tpu_columns)
  embedded_feature = dense_features(features)
  ...

estimator = tf.estimator.tpu.TPUEstimator(
    model_fn=model_fn,
    ...
    embedding_config_spec=tf.estimator.tpu.experimental.EmbeddingConfigSpec(
        column=tpu_columns,
        optimization_parameters=(
            tf.estimator.tpu.experimental.AdagradParameters(0.1))))