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
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
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
Tensor
s. Given type:
所以我们肯定是做错了什么。感谢任何帮助:)
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
。在相关问题 更多 >
编程相关推荐