tensorflow2.0相关函数-------- 实现独热编码（One-Hot）

最新推荐文章于 2023-01-13 11:53:22 发布

weixin_40744639

最新推荐文章于 2023-01-13 11:53:22 发布

阅读量3.6k

点赞数 1

分类专栏： tensorflow 学习文章标签： python tensorflow 独热编码 keras

本文链接：https://blog.csdn.net/weixin_40744639/article/details/100822739

版权

本文介绍了如何在TensorFlow 2.0中使用to_categorical和tf.one_hot函数进行独热编码。to_categorical函数将整型标签转换为one-hot矩阵，而tf.one_hot则将标签编码为TensorFlow的tensor。内容包括函数的声明、作用及使用示例，强调编码时编号从0开始，并提到了TensorFlow与Keras的集成。

摘要由CSDN通过智能技术生成

to_categorical实现独热编码

函数声明： to_categorical(y, num_classes=None, dtype=‘float32’)

作用：将整型标签转为onehot。y为int数组，num_classes为标签类别总数，大于max(y)（标签从0开始的）。

返回：如果num_classes=None，返回len(y) * [max(y)+1]（维度，m*n表示m行n列矩阵，下同），否则为len(y) * num_classes。

import tensorflow as tf

oh1=tf.keras.utils.to_categorical([1,3])
# oh1=keras.utils.to_categorical([[1],[3]])
print(oh1)
"""
[[0. 1. 0. 0.]
 [0. 0. 0. 1.]]
"""
oh2=tf.keras.utils.to_categorical([1,3],num_classes=5)
print(oh2)
"""
[[0. 1. 0. 0. 0.]
 [0. 0. 0. 1. 0.]]
"""

num_classes默认为以数组里面最大的为编码依据，也可以指定编码依据，比如num_classes = 10。
简而言之，就是将给定的序列，编码成一个one -hot矩阵。注意编号是从0开始的。
因为tensorflow已经集成了keras，所以可以直接tf.keras使用该函数。

这种实现的独热编码是一个数组，下面通过tf.one