我正在尝试为我的模型添加类权重作为超参数，但是为了计算权重，我需要读取输入数据，这发生在 input_fn 内部，然后传递给 estimator.fit() . input_fn 的输出只是特征，标签应该具有相同的形状 num_examples * num_features。我的问题 - 有没有办法将数据从 input_fn 传播到 model_fn 的超参数映射？或者作为替代 - 也许 input_fn 数据集有一个包装器，它允许对少数/欠采样多数以及批处理进行过采样 - 在这种情况下，我不需要任何参数来传播。
最佳答案
特征和标签都可以是张量字典(不仅仅是一个张量)。张量可以是您想要的任何形状，但通常为 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具有计算权重所需的功能，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 中的超参数，以便您可以在那里计算权重并将其添加为单独的列。
如果您使用 jar 装估算器，请查看文档。我看到他们中的大多数都支持 weight_column_name。在这种情况下，只需将其命名为您在特征字典中用于权重值的名称。
或者，如果所有其他方法都失败了，您可以在将数据提供给 tensorflow 之前以您想要的方式对数据进行采样。
关于Tensorflow 估计器 API : How to pass parameter from input function，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/48372837/