我正在尝试添加类权重作为模型的超参数,但为了计算权重,我需要读取输入数据,这发生在 input_fn 内部,然后传递给estimator.fit()
。输出为input_fn
只是特征,标签应该具有相同的形状 num_examples * num_features。我的问题 - 有什么方法可以将数据从 input_fn 传播到 model_fn 的超参数映射吗?或者作为替代方案 - 也许有一个 input_fn 数据集的包装器,它允许对少数进行过采样/对多数进行欠采样以及批处理 - 在这种情况下,我不需要任何参数来传播。
特征和标签都可以是张量的字典(而不仅仅是一个张量)。张量可以是您想要的任何形状,但通常是 num_examples * ...
如果您不使用任何预定义的估计器,最简单的方法是添加另一个功能来计算权重,计算模型中的权重,然后使用它们(乘以损失或将其作为参数传递) 。
您还可以访问 input_fn 内的超参数,以便您可以计算其中的权重并将其添加为单独的列。
如果您使用预装估算器,请检查文档。我看到他们中的大多数都支持weight_column_name。在这种情况下,只需为其指定您在特征字典中用于权重值的名称即可。
或者,如果所有其他方法都失败,您可以在将数据输入到张量流之前按照您想要的方式对数据进行采样。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)