tensorflow中常见操作总结--tf.feature_column.embedding_column

本次验证的目的在于：使用tf.feature_column.embedding_column函数进行训练得到的vector，在预测时直接使用tf.feature_column.embedding_column(k,dimension=8,ckpt_to_load_from=',tensor_name_in_ckpt=embedding_weights")来调用时，能否将样本对应到相应的hash bucket中。

首先，将category column进行tf.feature_column.categorical_column_with_hash_bucket处理，最后得到的hash_bucket即为分hash bucket后，每个样本对应的hash桶id。

image.png

然后，在预测时，直接调用tf.feature_column.embedding_column(k,dimension=8,ckpt_to_load_from=',tensor_name_in_ckpt=embedding_weights")，对样本进行处理。这里取id=45，发现调用后id为45的样本为第0,41,433个，取sess.run()后的数据查看，发现进过训练得到的embedding向量完全一致！

image.png

image.png

经过这一系列的验证，发现直接tf.feature_column.embedding_column很方便，且能保证训练和预测一致。