Question

a = tf.constant([20, 1, 5, 3, 123, 4])

我希望将其转换为tensor([0,0,0,1,0,0,0])（index = 3）

我怎样才能轻松做到这一点？

我真正想做的是这样的：有一个深度神经网络，有5个输出节点（用于分类）。假设一个前馈传播的输出是[5,22,3,4,11]（类型tensor）。在这个前馈中，标签是1.所以，我需要打开这个索引的值并关闭其他像这样：[5,0,0,0,0]。最后，需要将值更改为1：[1,0,0,0,0]并在网络中反向传播（渐变）此张量。

Answer 1

您正在寻找的不是单热编码。也许这就是你想要实现的目标：

a = tf.constant([20, 1, 5, 3, 123, 4])
c = tf.cast(tf.equal(a, 3), tf.int32)    # 3 is your matching element
with tf.Session() as sess:
    print(c.eval())

# [0 0 0 1 0 0]

修改

如果您已经了解索引，可以通过多种方式完成此操作。如果张量中的值有可能重复，则可以执行以下操作：

a = tf.constant([20, 1, 5, 3, 123, 4, 3]) c = tf.cast(tf.equal(a, a[3]), tf.int32) with tf.Session() as sess: print(c.eval()) # [0 0 0 1 0 0 1]

但是如果你确定不重复这些值，你可以在这样的numpy数组的帮助下构造这个张量：

import numpy as np c = np.zeros((7), np.int32) c[3] = 1 c_tensor = tf.constant(c) with tf.Session() as sess: print(c_tensor.eval()) # [0 0 0 1 0 0 0]

编辑2

基于新编辑的问题，为了进行分类任务，并且因为在我看来你没有进行自定义反向传播，让我给你一个你正在寻找的部分的骨架代码。

tf.reset_default_graph() X = tf.placeholder(tf.float32, (None, 224, 224, 3)) y = tf.placeholder(tf.int32, (None)) one_hot_y = tf.one_hot(y, n_outputs) # Generate one-hot vector logits = My_Network(X) # This function returns your network. cross_entropy = tf.reduce_sum(tf.nn.softmax_cross_entropy_with_logits(logits, one_hot_y)) # This function will compute softmax and get the loss function which you # would like to minimize. optimizer = tf.train.AdamOptimizer(learning_rate = 0.01).minimize(cross_entropy) with tf.Session() as sess: sess.run(tf.global_variables_initializer()) for **each epoch**: for **generate batches of your data**: sess.run(optimizer, feed_dict = {X: batch_x, y: batch_y})

请花点时间了解代码。我还建议您按照分类任务的一些教程进行操作，因为它们非常容易获得。我建议你CNN by TensorFlow。

Answer 2

这段代码应该这样做。它使用Numpy：

import numpy as np
def one_hot(y):
  y = y.reshape(len(y))
  n_values = int(np.max(y)) + 1
  return tf.convert_to_tensor(np.eye(n_values)[np.array(y, dtype=np.int32)])

我不确定这是否是你需要的，但我希望它有所帮助。例如：

>>> print(one_hot(np.array([2,3,4])))
>>> [[ 0.  0.  1.  0.  0.]
     [ 0.  0.  0.  1.  0.]
     [ 0.  0.  0.  0.  1.]]

如何使用特定索引将数组张量转换为one_hot？

2 个答案: