tensorflow如何将one_hot标签和数字(整数)标签进行相互转化
作者：无敌右脑
这篇文章主要介绍了tensorflow如何将one_hot标签和数字(整数)标签进行相互转化问题，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
将one_hot标签和数字(整数)标签进行相互转化
tensorflow自带one_hot标签函数
tensorflow 有封装好的函数可以直接将整数标签转化为one_hot标签
import tensorflow as tf label = [1,0,2,3,0] y = tf.one_hot(label, depth=4).numpy() #使用ont_hot返回的是tensor张量，再用numpy取出数组 print(y)
得到：
[[0. 1. 0. 0.]
[1. 0. 0. 0.]
[0. 0. 1. 0.]
[0. 0. 0. 1.]
[1. 0. 0. 0.]]
将one-hot转化为数字标签
将one-hot转化为数字标签没有封装好的函数，可以遍历并使用soft argmax取出整数：
label = [np.argmax(i) for i in y] print（label）
得到：
[1, 0, 2, 3, 0]
tensorflow中one_hot讲解以及多分类标签与one-hot转换
TensorFlow的one-hot函数讲解
import tensorflow as tf tf.one_hot(indices, depth, on_value, off_value, axis)
indices是一个列表,指定张量中独热向量的独热位置，或者说indeces是非负整数表示的标签列表。len(indices)就是分类的类别数。
tf.one_hot返回的张量的阶数为indeces的阶数+1。
当indices的某个分量取-1时，即对应的向量没有独热值。
depth是每个独热向量的维度on_value是独热值off_value是非独热值
axis指定第几阶为depth维独热向量，默认为-1,即,指定张量的最后一维为独热向量
例如：对于一个2阶张量而言,axis=0时，即，每个列向量是一个独热的depth维向量
axis=1时，即，每个行向量是一个独热的depth维向量。axis=-1，等价于axis=1
import tensorflow as tf # 得到4个5维独热行向量向量, # 其中第1个向量的第0个分量是独热1， # 第2个向量的第2个分量是独热， # 第3个向量没有独热，因为指定为-1 # 第4个向量的第1个分量为独热 # labels向targets的转变 labels = [0, 2, -1, 1] # labels是shape=(4,)的张量。则返回的targets是shape=(len(labels), depth)张量。 # 且这种情况下,axis=-1等价于axis=1 targets = tf.one_hot(indices=labels, depth=5, on_value=1.0, off_value=0.0, axis=-1) with tf.Session() as sess: print(sess.run(targets)) [[ 1. 0. 0. 0. 0.] [ 0. 0. 1. 0. 0.] [ 0. 0. 0. 0. 0.] [ 0. 1. 0. 0. 0.]] # 得到1个5维独热行向量。 targets = tf.one_hot(indices=3, depth=5, on_value=1.0, off_value=0.0, axis=0) with tf.Session() as sess: print(sess.run(targets)) [ 0. 0. 0. 1. 0.] # 得到1个5维独热列向量 targets = tf.one_hot(indices=[3], depth=5, on_value=1.0, off_value=0.0, axis=0) with tf.Session() as sess: print(sess.run(targets)) [[ 0.] [ 0.] [ 0.] [ 1.] [ 0.]] targets = tf.one_hot(indices=[[0,1],[1,0]], depth=3) with tf.Session() as sess: print(sess.run(targets)) [[[ 1. 0. 0.] [ 0. 1. 0.]] [[ 0. 1. 0.] [ 1. 0. 0.]]]
注:indices如果是n阶张量,则返回的one-hot张量则为n+1阶张量
在实际神经网络的设计应用中，给定的labels通常是数字列表，以标识样本属于哪一个分类。类别数则是独热向量的维数。
# 得到分类的独热向量 targets = tf.one_hot(labels, num_classes)
TensorFlow 多分类标签转换成One-hot
在处理多分类问题时，将多分类标签转成One-hot编码是一种很常见的手段，以下即为Tensorflow将标签转成One-hot的tensor。以Mnist为例，如果标签为“3”，则One-hot编码为[0,0,0,1,0,0,0,0,0,0].
import tensorflow as tf # version : '1.12.0' NUM_CLASSES = 10 # 10分类 labels = [0,1,2,3] # sample label batch_size = tf.size(labels) # get size of labels : 4 labels = tf.expand_dims(labels, 1) # 增加一个维度 indices = tf.expand_dims(tf.range(0, batch_size,1), 1) #生成索引 concated = tf.concat([indices, labels] , 1) #作为拼接 onehot_labels = tf.sparse_to_dense(concated, tf.stack([batch_size, NUM_CLASSES]), 1.0, 0.0) # 生成one-hot编码的标签
将稀疏矩阵转换成密集矩阵，其中索引在concated中，值为1.其他位置的值为默认值0.
方法1：
from sklearn.preprocessing import OneHotEncoder,LabelEncoder a = ['A','B','A','C'] label_encoder=LabelEncoder() label_value = label_encoder.fit_transform(a) enc = OneHotEncoder() one_hot=enc.fit_transform(label_value.reshape(-1,1)) one_hot.toarray() array([[1., 0., 0.], [0., 1., 0.], [1., 0., 0.], [0., 0., 1.]])
方法2：
from sklearn.preprocessing import LabelBinarizer encoder = LabelBinarizer() one_hot = encoder.fit_transform(a) print(one_hot) array([[1, 0, 0], [0, 1, 0], [1, 0, 0], [0, 0, 1]])
方法3：
import numpy as np def dense_to_one_hot(labels_dense, num_classes): """Convert class labels from scalars to one-hot vectors.""" num_labels = labels_dense.shape[0] index_offset = np.arange(num_labels) * num_classes labels_one_hot = np.zeros((num_labels, num_classes)) labels_one_hot.flat[index_offset+labels_dense.ravel()] = 1 return labels_one_hot labels_dense = np.array([0,1,2,3,4]) num_classes = 5 one_hot = dense_to_one_hot(labels_dense,num_classes) print(one_hot) [[1. 0. 0. 0. 0.] [0. 1. 0. 0. 0.] [0. 0. 1. 0. 0.] [0. 0. 0. 1. 0.] [0. 0. 0. 0. 1.]]
keras中多分类标签转换成One-hot
import numpy as np from keras.utils import to_categorical data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 7] data = array(data) print(data) # [1 2 3 4 5 6 7 8 9 7] #有普通np数组转换为one-hot one_hots = to_categorical(data) print(one_hots) # [[ 0. 1. 0. 0. 0. 0. 0. 0. 0. 0.] # [ 0. 0. 1. 0. 0. 0. 0. 0. 0. 0.] # [ 0. 0. 0. 1. 0. 0. 0. 0. 0. 0.] # [ 0. 0. 0. 0. 1. 0. 0. 0. 0. 0.] # [ 0. 0. 0. 0. 0. 1. 0. 0. 0. 0.] # [ 0. 0. 0. 0. 0. 0. 1. 0. 0. 0.] # [ 0. 0. 0. 0. 0. 0. 0. 1. 0. 0.] # [ 0. 0. 0. 0. 0. 0. 0. 0. 1. 0.] # [ 0. 0. 0. 0. 0. 0. 0. 0. 0. 1.] # [ 0. 0. 0. 0. 0. 0. 0. 1. 0. 0.]]
one_hot 转数组
# 由one-hot转换为普通np数组 data = [argmax(one_hot)for one_hot in one_hots] print(data) # [1, 2, 3, 4, 5, 6, 7, 8, 9, 7]
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。