我正在使用Tensorflow及其tf.learn API来创建和训练一个DNNRegressor模型。我有一个多值的整数特征列（每一行可以有多个整数值），我使用tf.contrib.layers.sparse_column_with_integerized_feature来处理这个特征列。

现在我的问题是，在CSV文件中，对于多值特征列应该使用什么分隔符作为正确的分隔符。例如，假设我有一个CSV文件，其中col2是多值特征，并且不是独热编码特征：

  1, 2, 1:2:3:4, 5  2, 1, 4:5, 6

如你所见，我使用’:’来分隔col2中的整数特征值，但这似乎不对，因为在使用tf.contrib.layers.sparse_column_with_integerized_feature声明这个特征列运行DNNRegressor时，我得到了以下错误：

 'Value passed to parameter 'x' has DataType string not in list of allowed   values: int32, int64, float32, float64'.

非常感谢你的帮助

回答：

tf.contrib.layers.sparse_column_with_integerized_feature仅适用于int32或int64值，因此不能完全按照你希望的方式工作。

但是，tensorflow支持数值列中的多维度，因此你可以使用tf.feature_column.numeric_column并指定你拥有的shape。请注意，tensorflow期望所有这些形状都是相同的，因此你需要将所有值填充到一个共同的形状。

对于多值列，使用冒号':'作为分隔符是可以的，这里有一个例子说明如何使用pandas将多个值读取到DataFrame中（问题是关于XML的，但对于CSV也适用）。你可以将这个数据框传递到model.train()函数的input_fn中。