Question

我正在继续学习TensorFlow，我在制作模型方面取得了一些成功。我正在深入研究API，我遇到了一些术语问题。我有一个273个特征的模型和4个线性独立的（在矩阵意义上）输出（每个输入矢量2 ^ 4 = 16个可能的输出矢量）。事实上，第一个模型是一个简单的大小[1,273] [273,4]，它工作正常。为了达到这一步，我不得不进行大量的操作。我的python处理流程描述如下，所以我想知道我应该在每一步中利用哪些函数？

语料库是一个带有列的csv：y0，y1，y2，y3，句子（你可以跳过这个，CSV阅读有详细记录）
扫描语料库并提取至少两次使用的单词（删除单个拼写错误）并转换为向量。
将每个句子编码为它的矢量表示。（[Y0，Y1，Y2，Y3]，[X 0，...，x273]）

我手动在python中完成了以上所有操作，但我想尽可能多地利用TF API。不幸的是，似乎1-hot编码在API中得到了很多支持，为了使用它，我必须创建和维护4个独立的模型。或者我错过了一些简单的东西？

Answer 1

我也没有在tf中找到k_hot函数。如果可以共享特征，则多标签而不是具有多个模型是一个好主意！

所以这是一个函数。它基本上是对向量的几种one_hot编码求和。

def k_hot(vector, num_classes):
  one_hot_in_lines = tf.one_hot(vector, num_classes)
  return tf.reduce_sum(one_hot_in_lines, axis=0)

让我们看看它是如何工作的：

tf.enable_eager_execution()
vector = [0, 2]
num_classes = 3
one_hot_in_lines = tf.one_hot(vector, num_classes) 
>> [[1., 0., 0.], [0., 0., 1.]]
k_hot_encoding = tf.reduce_sum(one_hot_in_lines, axis=0) 
>> [1., 0., 1.]

# with the function:
k_hot(vector) 
>> [1., 0., 1.]

Tenforflow k-hot编码？

1 个答案: