Tensorflow tf.contrib.learn.DNNClassifier'的含义和维度；s提取的权重和偏差

我对tensorflow比较陌生，但即使进行了大量研究，我也无法找到关于某些变量含义的文档

对于我当前的项目，我想在tensorflow的帮助下训练DNN，然后我想从中提取权重和偏差矩阵，以便在tensorflow之外的另一个应用程序中使用它。在第一次尝试中，我建立了一个具有[4,10,2]结构的简单网络，它预测一个二进制结果

我使用了3个实值列和一个带有键的稀疏列作为特征：

def build_estimator(optimizer=None, activation_fn=tf.sigmoid):
    """Build an estimator"""
    # Sparse base columns
    column_stay_point = tf.contrib.layers.sparse_column_with_keys(
        column_name='stay_point',
        keys=['no', 'yes'])

    # Continuous base columns
    column_heading = tf.contrib.layers.real_valued_column('heading')
    column_velocity = tf.contrib.layers.real_valued_column('velocity')
    column_acceleration = tf.contrib.layers.real_valued_column('acceleration')

    pedestrian_feature_columns = [column_heading, 
                                  column_velocity, 
                                  column_acceleration,
                                  tf.contrib.layers.embedding_column(
                                      column_stay_point, 
                                      dimension=8, 
                                      initializer=tf.truncated_normal_initializer)]

    # Create classifier
    estimator = tf.contrib.learn.DNNClassifier(
        hidden_units=[10],
        feature_columns=pedestrian_feature_columns,
        model_dir='./tmp/pedestrian_model',
        n_classes=2,
        optimizer=optimizer,
        activation_fn=activation_fn)

    return estimator

我用默认参数调用了这个函数，并使用estimator.fit（…）来训练DNN。除了一些关于不推荐使用的“scalar_summary”函数的警告外，它成功运行并产生了合理的结果。我使用以下行打印了模型的所有变量：

var = {k: estimator.get_variable_value(k) for k in estimator.get_variable_names())

我希望得到大小为10x4和2x10的权重矩阵，以及大小为10x1和2x1的偏差矩阵。但我得到了以下信息：

'dnn/binary_logistic_head/dnn/learning_rate': 0.05 (actual value, scalar)

'dnn/input_from_feature_columns/stay_point_embedding/weights': 2x8 array

'dnn/hiddenlayer_0/weights/hiddenlayer_0/weights/part_0/Adagrad': 11x10 array

'dnn/input_from_feature_columns/stay_point_embedding/weights/int_embedding/weights/part_0/Adagrad': 2x8 array

'dnn/hiddenlayer_0/weights': 11x10 array

'dnn/logits/biases': 1x1' array

'dnn/logits/weights/nn/dnn/logits/weights/part_0/Adagrad': 10x1 array

'dnn/logits/weights': 10x1 array

'dnn/logits/biases/dnn/dnn/logits/biases/part_0/Adagrad': 1x1 array

'global_step': 5800, (actual value, scalar)

'dnn/hiddenlayer_0/biases': 1x10 array

'dnn/hiddenlayer_0/biases//hiddenlayer_0/biases/part_0/Adagrad': 1x10 array

有没有文件证明这些神秘的名字是什么意思？为什么矩阵有这些奇怪的维度？另外，为什么尽管从未指定Adagrad优化器，但仍有对它的引用

---

非常感谢您的帮助

网络中的输入节点数是11，而不是4 8（嵌入列）+列标题（1），列速度（1），列加速度（1）=11

根据变量名，输出是一个二进制逻辑节点，因此输出节点的数量只有一个而不是两个

以下是您感兴趣的权重/偏差

dnn/hiddenlayer_0/weights'：11x10数组-->存在从输入到隐藏节点的权重

dnn/hiddenlayer_0/偏差：1x10数组-->隐藏节点的偏差

dnn/logits/weights'：10x1数组-->从隐藏节点到输出节点的权重

dnn/logits/biases：输出节点的1x1数组-->偏差

为什么在从未指定Adagrad优化器的情况下仍会引用它？

---

最有可能的默认优化器是AdaGrad。

谢谢！我意识到我在嵌入列中设置了dimension=8。这就解决了我的奇数维问题。