有时候在处理数据的时候,必须将标签转换为张量,才能使用tensorflow的框架
方法1.将标签列表转换为整数张量

import numpy as np
def vectorize_sequences(sequences, dimension=10000):results = np.zeros((len(sequences), dimension))for i, sequence in enumerate(sequences):results[i, sequence] = 1.return resultsx_train = vectorize_sequences(train_data)
x_test = vectorize_sequences(test_data)

方法2.one-hot 编码。
one-hot 编码是分类数据广泛使用的一种格式,也叫分类编码(categorical encoding)

def to_one_hot(labels, dimension=46):results = np.zeros((len(labels), dimension))for i, label in enumerate(labels):results[i, label] = 1.return resultsone_hot_train_labels = to_one_hot(train_labels) one_hot_test_labels = to_one_hot(test_labels) 直接调库(等效以上方法)from keras.utils.np_utils import to_categorical
one_hot_train_labels = to_categorical(train_labels)
one_hot_test_labels = to_categorical(test_labels)

方法3.就是将其转换为整数张量。

y_train = np.array(train_labels)
y_test = np.array(test_labels)

对于这种编码方法,唯一需要改变的是损失函数的选择。函数categorical_crossentropy,标签应该遵循分类编码。对于整数标签,你应该使用sparse_categorical_crossentropy。

model.compile(optimizer=‘rmsprop’,
loss=‘sparse_categorical_crossentropy’,
metrics=[‘acc’])
这个新的损失函数在数学上与 categorical_crossentropy 完全相同,二者只是接口不同。

tensorflow标签向量化相关推荐

  1. TensorFlow之文本分类算法-3

    1 前言 2 收集数据 3 探索数据 4 选择模型 5 准备数据 N-gram向量集 序列向量集 序列向量集主要是用于序列模型中对文本执行分词与向量化,与n-gram向量集类似,也使用特征选择与标准化 ...

  2. 在 Mac OS X 上安装 TensorFlow

    在 Mac OS X 上安装 TensorFlow 这个文档说明了如何在 Mac OS X 上安装 TensorFlow. 注意:从 1.2 版本开始,在 Mac OS X 上 TensorFlow ...

  3. tensorflow学习笔记一:安装调试

    denny的学习专栏 徐其华 博客园 首页 新随笔 联系 管理 订阅 随笔- 129  文章- 0  评论- 791  tensorflow学习笔记一:安装调试 用过一段时间的caffe后,对caff ...

  4. 在 Windows 上安装 TensorFlow(转载)

    在 Windows 上安装 TensorFlow windows下配置安装Anaconda+tensorflow Spyder--科学的Python开发环境 Windows7 安装TensorFlow ...

  5. python可以在苹果系统上装吗_在 Mac OS X 装不上 TensorFlow?看了这篇就会装

    雷锋网按:本文原作者Enachan.本文原载于作者的GitHub.译者投稿,雷锋网(公众号:雷锋网)版权所有. 这个文档说明了如何在 Mac OS X 上安装 TensorFlow.注意:从 1.2 ...

  6. Keras深度学习(2)-二分类问题之电影评论分类

    二分类问题可能是应用最广泛的机器学习问题.在这个例子中,你将学习根据电影评论的文字内容将其划分为正面或负面. 本节使用 IMDB 数据集,它包含来自互联网电影数据库(IMDB)的 50 000 条严重 ...

  7. 深度学习1:二分类问题

    IMDB数据 包含来自互联网电影数据库的50000条两极分化的评论,数据集被分为用于训练的25000条评论与用于测试的25000条评论,训练集和测试集都包含百分之五十的正面评论和百分之五十负面评论. ...

  8. Keras框架下的loss损失函数

    在Keras框架中有如下几种loss损失函数: ①mean_squared_error或mse:均方误差是反映估计量与真实量之间差异程度的期望值,常被用于评价数据的变化程度,预测数据的精确度. ②me ...

  9. 用Keras解决机器学习问题!

    Datawhale干货 作者:皮钱超,厦门大学,Datawhale成员 深度学习框架Keras入门项目 本文介绍3个案例来帮助读者认识和入门深度学习框架Keras.3个案例解决3个问题:回归.二分类. ...

最新文章

  1. 理解RESTful架构
  2. oracle 变量赋值_【赵强老师】Oracle存储过程中的out参数
  3. BZOJ 2662: [BeiJing wc2012]冻结(最短路)
  4. Elasticsearch索引定时清理
  5. java求最大值_java-求一组整数中的最大值
  6. 第二篇 - EOS Currency 合约案例
  7. 回顾JAVA---1.概述及基本语法
  8. 广播电视加速技术迭代,如何用新技术拥抱行业转型?
  9. 工作5年后我才发现:90%的技术问题,可以解决
  10. Nginx 404 500
  11. 【优化求解】基于matlab GUI模拟退火算法区域通信网频率规划【含Matlab源码 933期】
  12. GD32F407RTC备份寄存器BKP的使用
  13. windows用户密码破解
  14. 深度学习之基于Tensorflow2.0实现VGG16网络
  15. 正则表达式匹配分析工具 C#编写
  16. vue启动报错98% after emitting CopyPlugin This dependency was not found:
  17. 【产品设计】用户画像模板
  18. ps图层转css3代码,CSS3Ps:ps图层转CSS3代码之神器
  19. 神经网络---预训练
  20. UNETR 医学图像分割架构 2D版 (Tensorflow2 Keras 实现UNETR)

热门文章

  1. Cesium实现雷达扫描效果
  2. vs2010 c语言 如何编译器,如何在Visual Studio中选择C++和C#的编译器版本
  3. phpenv:PHP多版本安装和管理工具
  4. Deep Learning and the Information Bottleneck Principle 深度学习与信息瓶颈原理
  5. 有哪些编程必备的 Vim 配置?
  6. 基于python+pyqt+halcon实现视觉定位(halcon12.0)【附部分源码】
  7. 一幅长文细学Vue(一)——Webpack打包工具
  8. 二叉树的后序遍历序列
  9. onLoad和onShow触发时机及区别
  10. 蜂鸣器发出7种音阶c语言程序_我们做为一名优秀的程序员,是不是应该知道编程语言的发展简史...