使用估计器API在大字符串上训练RNN

Question

我们想让我们的估计器预测一个词或下一个工作，就像你的智能手机键盘一样。我们想在一些文本文件上训练它。在

所以我们继续查看tensorflow API发现

estimator = RNNEstimator(
    head=tf.contrib.estimator.regression_head(),
    sequence_feature_columns=[token_emb],
    rnn_cell_fn=rnn_cell_fn)

这似乎是为RNN创建一个估计器的方便方法。现在，我们面临着与特性列有关的问题。我们是这样安排他们的

^{pr2}$

其中'text'是在我们的输入函数中定义的

^{3}$

其中features只是从原始文本中采样的40个字符序列的长列表。在

问题

1. 是否可以在字符串输入上使用特征列？这些文档并没有提供多少信息。在
2. 标签怎么办？现在，我们得到了一个错误，因为它们从未被转换成整数

3. 即使在引入任意整数作为标签时，调用estimator.train(input_fn=train_input_fn, steps=100)时仍然会出现一个错误，它表示

   'Given type: {}'.format(type(features))) ValueError: features should be a dictionary of Tensors. Given type:

所以我们肯定是做错了什么。感谢任何帮助：）

Answer 1

这里有一个简短的示例，它将字符串单词特征作为sparsetensor传递给StateSavingRnnEstimator unit tests中的一个每步骤一个标签的分类Estimator（即语言建模）。这看起来与您所要做的大致相同，但有一个警告，即所讨论的估计器已被弃用；从中获取想法并定义您自己的model_fn。在