Python tensorflow馈送列表功能（多热）到tf.estimator

某些要素列的数据类型为

list

。它们的长度可以不同。我想将此列编码为一个多热点分类功能，并将其提供给

tf.estimator

。我尝试了以下操作，但错误

无法获取显示为字节的元素。我认为这是深度学习中的常见做法，尤其是推荐系统，例如深度和广度模型。我发现了一个相关的问题，但它没有显示如何反馈给估计器

import pandas as pd
import tensorflow as tf

OUTDIR = "./data"

data = {"x": [["a", "c"], ["a", "b"], ["b", "c"]], "y": ["x", "y", "z"]}
df = pd.DataFrame(data)

Y = df["y"]
X = df.drop("y", axis=1)

indicator_features = [
    tf.feature_column.indicator_column(
        categorical_column=tf.feature_column.categorical_column_with_vocabulary_list(
            key="x", vocabulary_list=["a", "b", "c"]
        )
    )
]

model = tf.estimator.LinearClassifier(
    feature_columns=indicator_features, model_dir=OUTDIR
)

training_input_fn = tf.estimator.inputs.pandas_input_fn(
    x=X, y=Y, batch_size=64, shuffle=True, num_epochs=None
)

model.train(input_fn=training_input_fn)

出现以下错误：

信息：tensorflow:使用默认配置。信息：tensorflow:使用配置：
{u model_dir'：'testalg'，'u tf_random_seed'：无，
“_save_summary_steps”：100“_save_checkpoints_steps”：无，
“\u保存\u检查点\u秒”：600“\u会话\u配置”：无，
“保持检查点最多”：5，“保持检查点每小时”：10000，
“\u日志\u步骤\u计数\u步骤”：100“\u序列\u分布”：无“\u设备\u fn”：
无，“\u服务”：无，“\u群集\u规范”：
，“\u任务\u类型”：“工作者”，“\u任务\u id”：0，
“\u集群中的\u全局\u id\u”：0，“\u主节点”：”“评估\u主节点”：”，
“_is_chief”：True“_num_ps_replications”：0“_num_worker_replications”：1}”
信息：tensorflow:正在调用模型\u fn。信息：tensorflow:完成呼叫
型号(fn)。信息：tensorflow:创建检查点SaveRhook。
信息：tensorflow：图表已定稿。信息：tensorflow:正在运行
local_init_op.INFO:tensorflow:已完成运行local_init_op。
信息：tensorflow:向协调员报告的错误：，无法
以字节形式获取元素。信息：tensorflow:正在将0的检查点保存到
testalg/model.ckpt。
-------------------------------------------------------内部错误回溯（最后一次最近调用）
/home/yinan.li1/anaconda3/lib/python3.6/site-packages/tensorflow/python/client/session.py
在_do_call（self，fn，*args）1321中尝试：
->1322返回fn（*args）1323，错误除外。操作错误为e:

/home/yinan.li1/anaconda3/lib/python3.6/site-packages/tensorflow/python/client/session.py
in_run_fn（feed_dict、fetch_list、target_list、options、run_元数据）
1306返回self.\u调用\u tf\u会话运行(
->1307选项、提要、获取列表、目标列表、运行元数据）1308

/home/yinan.li1/anaconda3/lib/python3.6/site-packages/tensorflow/python/client/session.py
在调用会话运行中（self、options、feed、dict、fetch、list、，
目标\u列表，运行\u元数据）1408 self.\u会话，选项，
提要、获取列表、目标列表、，
->1409运行_元数据）1410其他：

InternalError:无法获取作为字节的元素

在处理上述异常期间，发生了另一个异常：

内部错误回溯（最后一次最近调用）
在（）
44
45
--->46型号.列车（输入\u fn=培训\u输入\u fn）

/home/yinan.li1/anaconda3/lib/python3.6/site-packages/tensorflow/python/estimator/estimator.py
列车内（自我、输入、挂钩、步数、最大步数、保存侦听器）
364
365保存侦听器=\u检查侦听器\u类型（保存侦听器）
-->366损失=自我训练模型（输入、挂钩、保存侦听器）
367 logging.info（'最后一步丢失：%s'，丢失）
368回归自我

/home/yinan.li1/anaconda3/lib/python3.6/site-packages/tensorflow/python/estimator/estimator.py
在列车模型中（自我、输入、钩子、保存侦听器）1117

返回自。\列车\模型\分布式（输入\ fn、挂钩、，
保存_侦听器）1118其他：
->1119返回self.\u train\u model\u default（输入、钩子、保存侦听器）1120 1121 def\u train\u model\u default（self，
输入\u fn、挂钩、保存\u侦听器）：

/home/yinan.li1/anaconda3/lib/python3.6/site-packages/tensorflow/python/estimator/estimator.py
在默认情况下（自我、输入、挂钩、保存侦听器）

1133带估计器规范（估计器规范、，
工人钩，1134

hooks，全局步进张量，
->1135保存侦听器）1136 1137定义列车模型分布式（自身、输入、挂钩、，
保存（U侦听器）：

/home/yinan.li1/anaconda3/lib/python3.6/site-packages/tensorflow/python/estimator/estimator.py
带估计器规格的列车（自身、估计器规格、工人挂钩、，
hooks，全局\u步长\u张量，保存\u侦听器）1334损失=无
1335而不是周一。是否应停止（）
->1336 u，损耗=单次运行（[estimator_spec.train_op，estimator_spec.loss]）1337返回损耗1338

/home/yinan.li1/anaconda3/lib/python3.6/site-packages/tensorflow/python/training/monitored_session.py
在退出中（自身、异常类型、异常值、回溯）
687如果在[errors.OutOfRangeError，StopIteration]中键入异常：
688异常类型=无
-->689自关闭内部（例外类型）
690#退出应返回True以抑制异常。
691返回异常类型为“无”

/home/yinan.li1/anaconda3/lib/python3.6/site-packages/tensorflow/python/training/monitored_session.py
内部（自身、异常类型）
724如果self.\u sess为无：
725 raise RUNTIMERROR（'会话已关闭'）
-->726自我评估结束（）
727最后：
728 self.\u sess=无

/home/yinan.li1/anaconda3/lib/python3.6/site-packages/tensorflow/python/training/monitored_session.py
近距离（自我）
972如果自评：
973尝试：
-->974自我评估结束（）
975除_抢占_错误外：
976通行证

/home/yinan.li1/anaconda3/lib/python3.6/site-packages/tensorflow/python/training/monitored_session.py
密切（自我）1116自我合作加入（1117

停止\u宽限期\u秒=自我。\u停止\u宽限期\u秒，
->1118忽略\u活动\u线程=Tru
X2= pd.DataFrame(X['x'].values.tolist(), columns=['x1','x2'])

feat1 = tf.feature_column.categorical_column_with_vocabulary_list(
            key="x1", vocabulary_list=["a", "b", "c"]
        )
feat2 = tf.feature_column.categorical_column_with_vocabulary_list(
            key="x2", vocabulary_list=["a", "b", "c"]
        )
indicator_features = [
    tf.feature_column.indicator_column(
        categorical_column=feat1
    ),tf.feature_column.indicator_column(
        categorical_column=feat2
    )
]

training_input_fn = tf.estimator.inputs.pandas_input_fn(
    x=X2, y=Y, batch_size=64, shuffle=True, num_epochs=None
)