使用张量流数据集 (tfds) 获取特征名称

Question

刚开始用

tensorflow-datasets

有点纳闷。我花了将近一个小时在谷歌上搜索它，但我仍然找不到在数据框中获取特征名称的方法。我想我错过了一些明显的东西。

import tensorflow_datasets as tfds

ds, ds_info = tfds.load('iris', split='train',
                        shuffle_files=True, with_info=True)
tfds.as_dataframe(ds.take(10), ds_info)

我想知道哪个特征是什么：sepal_length、sepal_width、petal_length、petal_width。但我坚持一个单一的

ndarray

.

我可以得到类名：

ds_info.features["label"].names

给我：

['Iris-setosa', 'Iris-versicolor', 'Iris-virginica']

，但是

ds_info.features["features"]

什么都没给我：

Tensor(shape=(4,), dtype=float32)

总而言之，我的问题是：知道如何识别具有“sepal_length”、“sepal_width”、“petal_length”、“petal_width”等特征名称的输入 ndarray 内容吗？

Answer 1

这里是使用 tensorflow 数据集 API 的鸢尾花数据入门代码。

ds, ds_info = tfds.load(
    'iris', split='train',
    shuffle_files=True, with_info=True
)
ds = ds.map(lambda x : (x['features'], x['label']))
x, y = next(iter(ds))
x.shape, y.shape
# (TensorShape([4]), TensorShape([]))

ds = ds.batch(32, drop_remainder=True)
ds = ds.prefetch(tf.data.AUTOTUNE)
x, y = next(iter(ds))
x.shape, y.shape
# (TensorShape([32, 4]), TensorShape([32]))

构建虚拟模型进行训练。

model = keras.Sequential([
    keras.layers.Dense(16, activation='relu'),
    keras.layers.Dense(32, activation='relu'),
    keras.layers.Dense(64, activation='relu'),

    # 3 classes: https://www.tensorflow.org/datasets/catalog/iris
    keras.layers.Dense(3, activation='softmax'),
])

model.compile(
    loss='sparse_categorical_crossentropy', 
    optimizer='adam', 
    metrics=['accuracy']
)

history = model.fit(
    ds, 
)
# 3s 9ms/step - loss: 1.0857 - accuracy: 0.3047

资源

• 为 Tensorflow 模型选择损失和指标