tf.keras.layers.DenseFeatures

Слой, который производит плотное Tensor на основе заданных feature_columns.

Наследуется от: DenseFeatures, Layer, Module

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

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

Этот слой можно вызывать несколько раз с различными признаками.

Это версия V2 этого слоя, использующего name_scopes для создания переменных вместо variable_scopes. Но этот подход в настоящее время не поддерживает разделенные переменные. В этом случае используйте версию V1.

Пример:

price = tf.feature_column.numeric_column('price')
keywords_embedded = tf.feature_column.embedding_column(
    tf.feature_column.categorical_column_with_hash_bucket("keywords", 10000),
    dimensions=16)
columns = [price, keywords_embedded, ...]
feature_layer = tf.keras.layers.DenseFeatures(columns)

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