从上面的几个例子中，我们获得了比原来的线性模型更好且具有嵌套的DNN模型，但线性模型也相当不错，而且训练速度快得多。线性模型的训练速度之所以更快，是因为没有太多要更新的参数或要反向传播的层。在有些应用中，线性模型的速度可能非常关键，或者从质量的角度来看，线性模型可能完全够用。在其他领域，DNN提供的额外模型的复杂性和能力可能更重要。另外，在训练LinearClassifier或DNNClassifier时，需要根据实际情况使用稀疏列。TF提供了两个选项：embedding column 或 indicator\_column。在训练 LinearClassifier 时，系统在后台使用了embeddingcolumn。在训练DNNClassifier时，我们必须明确地选择embedding\_column 或 indicator\_column。
第10章 神经网络
371