tensorflow2.0入门与实战（笔记） 独热编码与交叉熵损失函数

• 百度的独热编码定义

独热编码即 One-Hot 编码，又称一位有效编码，其方法是使用N位状态寄存器来对N个状态进行编码，每个状态都有它独立的寄存器位，并且在任意时候，其中只有一位有效。

例如对六个状态进行编码：

自然顺序码为 000,001,010,011,100,101

独热编码则是 000001,000010,000100,001000,010000,100000

• 课程内容

1. 输出结果转换为oneshot形式，训练时的损失函数修改为：categorical_crossentropy
2. 训练后预测结果的形式为如下；反查了下原来序列方式训练结果，形式是一样的；所以现在独热编码的意义还是没有搞清楚

predict_lable[0]
array([2.0297779e-07, 1.1537157e-09, 1.9109276e-08, 2.9641498e-11,
       3.5555506e-10, 2.0713119e-03, 9.1759787e-08, 1.7273242e-02,
       1.8121077e-07, 9.8065484e-01], dtype=float32)

predict_lable.shape
(10000, 10)