如何将TensorFlow数据集列合并到Keras的(功能、标签)元组中?
我有一个由多个字段组成的如何将TensorFlow数据集列合并到Keras的(功能、标签)元组中?,tensorflow,keras,tensorflow2.0,tensor,tensorflow-datasets,Tensorflow,Keras,Tensorflow2.0,Tensor,Tensorflow Datasets,我有一个由多个字段组成的tf.data.Dataset(例如feature1、feature2、feature3、label)。如何将其转换为带有(特征、标签)的Tensor,以便传递给Keras进行模型训练 更新 tf.data.Dataset是一个类似的字典: { 'feature1': 1.5, 'feature2': 5.6, 'feature3': 7.9, 'label': 1.0 } 预期的Keras输入格式是具有两个张量的元组(特征张量、标签张量
tf.data.Dataset
(例如feature1、feature2、feature3、label)。如何将其转换为带有(特征、标签)的Tensor
,以便传递给Keras
进行模型训练
更新
tf.data.Dataset
是一个类似的字典:
{
'feature1': 1.5,
'feature2': 5.6,
'feature3': 7.9,
'label': 1.0
}
预期的
Keras
输入格式是具有两个张量的元组(特征张量、标签张量)
您可以定义一个函数,该函数可以接受字典元素并以所需格式返回数据作为元组。然后,您可以使用方法将其应用于数据集:
def reformat_element(elem):
features = [elem['feature1'], elem['feature2'], elem['feature3']]
label = [elem['label']]
return features, label
dataset = dataset.map(reformat_element)
您可以定义一个函数,该函数可以接受dictionary元素并以所需格式作为元组返回数据。然后,您可以使用方法将其应用于数据集:
def reformat_element(elem):
features = [elem['feature1'], elem['feature2'], elem['feature3']]
label = [elem['label']]
return features, label
dataset = dataset.map(reformat_element)
你能提供更多细节吗?请提供一些最小的可复制代码,以便我们能够理解您所说的“(例如feature1、feature2、feature3、label)”是什么意思。。。关于这一点,有很多自定义的专有基础设施……需要澄清的是:这是您要转换的tf.data.dataset
对象的一个元素,还是Python字典列表中的一个元素?tf.data.dataset
的一个元素,您可以提供更多详细信息吗?请提供一些最小的可复制代码,以便我们能够理解您所说的“(例如feature1、feature2、feature3、label)”是什么意思。。。在这方面有很多定制的专有基础设施……需要澄清的是:这是您要转换的tf.data.dataset
对象的一个元素,还是Python字典列表中的一个元素?tf.data.dataset