python - 如何使用 tf.one_hot 计算一种热编码？

Question

我正在尝试使用tensorflow构建mnist数据集的y_train的单热编码。我不明白该怎么做？

# unique values 0 - 9
y_train = array([5, 0, 4, ..., 5, 6, 8], dtype=uint8)

在keras中，我们会做类似的事情

# this converts it into one hot encoding
one hot_encoding = tf.keras.utils.to_categorical(y_train)

在tf.one_hot中，我应该向indices和深度参数输入什么？完成一次热编码后，如何将其从 2d-tensor 转换回 numpy 数组？

Answer 1

我不熟悉 Tensorflow，但经过一些测试，这是我发现的:

tf.one_hot() 接受一个索引和一个深度。 索引是实际转换为one-hot编码的值。 深度是指要利用的最大值。

例如，采用以下代码:

y = [1, 2, 3, 2, 1]
tf.keras.utils.to_categorical(y)
sess = tf.Session();
with sess.as_default():
    print(tf.one_hot(y, 2).eval())
    print(tf.one_hot(y, 4).eval())
    print(tf.one_hot(y, 6).eval())

tf.keras.utils.to_categorical(y) 返回以下内容:

array([[0., 1., 0., 0.],
       [0., 0., 1., 0.],
       [0., 0., 0., 1.],
       [0., 0., 1., 0.],
       [0., 1., 0., 0.]], dtype=float32)

相比之下，tf.one_hot() 选项(2、4 和 6)执行以下操作:

[[0. 1.]
 [0. 0.]
 [0. 0.]
 [0. 0.]
 [0. 1.]]
[[0. 1. 0. 0.]
 [0. 0. 1. 0.]
 [0. 0. 0. 1.]
 [0. 0. 1. 0.]
 [0. 1. 0. 0.]]
[[0. 1. 0. 0. 0. 0.]
 [0. 0. 1. 0. 0. 0.]
 [0. 0. 0. 1. 0. 0.]
 [0. 0. 1. 0. 0. 0.]
 [0. 1. 0. 0. 0. 0.]]

从这里可以看出，使用 tf.one_hot() 来模拟 tf.keras.utils.to_categorical()，深度参数应等于数组中存在的最大值，+1 表示 0。在本例中，最大值为 3，因此编码中有四个可能的值 - 0、1、2 和 3。因此，需要深度为 4 来表示 one-hot 编码中的所有这些值。

至于转换为 numpy，如上所示，使用 Tensorflow session ，在张量上运行 eval() 将其转换为 numpy 数组。有关执行此操作的方法，请参阅 How can I convert a tensor into a numpy array in TensorFlow? .

我不熟悉 Tensorflow，但希望这会有所帮助。

注意:对于 MNIST 而言，深度 10 就足够了。