0

我正在构建一个具有两个输入节点的神经网络，每个输入节点都连接到一个嵌入层。

我创建了一个带有元组的 tf.data.Dataset 作为模型的输入。

如何拆分元组中的张量以将第一个张量（标量）转发到嵌入层 1，将第二个张量（数组）转发到自定义前向传递中的嵌入层 2？

我在下面提供了一个示例。

提前致谢。

import pandas as pd
import tensorflow as tf

from random import randrange

df = pd.DataFrame(columns=['cust', 'items'])

for i in range(100):

    cust = randrange(100)
    items = [randrange(100), randrange(100), randrange(100), randrange(100), randrange(100)]

    df = df.append({"cust": cust, "items": items}, ignore_index=True)

    i += 1

dataset = tf.data.Dataset.from_tensor_slices((df["cust"], df["items"]))

dataset_batches = dataset.batch(10)

# custom forward pass
def call(self, inputs):
    x = inputs[0]  # This does not work.
    y = inputs[1]  # This does not work.

    x = self.cust(x)  # input layer 1
    y = self.items(y)  # input layer 2

    x = self.emb_cust(x)  # embedding layer 1
    y = self.emb_items(y)  # embedding layer 2

    z = self.pre_calc([x, y])  # lambda layer

    return z
4

1 回答 1

1

对于有类似问题的人：

我上面的解决方案实际上是正确的，因此您可以从当前批次中提取元组的元素并将其作为向前传递的列表提出。

def run_model(self, epochs, dataset_batches):

    for epoch in range(epochs):
            
            for step, (cust, items) in enumerate(dataset_batches):
            
                   # execute forward pass
                   y_pred = self([cust, items], training=True)
                   ...
于 2021-02-02T23:01:07.467 回答