tf.one_hot（）使用

tf.one_hot在看conditionGAN的时候注意到label的输入要把它转换成one-hot形式，再与噪声z进行tf.concat输入，之前看的时候忽略了，现在再看才算明白为什么。

tf.one_hot(indices,#输入，这里是一维的depth,# one hot dimension.on_value=None,#output 默认1off_value=None,#output 默认0axis=None,#根据我的实验，默认为1dtype=None,name=None
)

代码

import tensorflow as tf
import numpy as np
z=np.random.randint(0,10,size=[10])
y=tf.one_hot(z,10,on_value=1,off_value=None,axis=0)
with tf.Session()as sess:print(z)print(sess.run(y))[5 7 7 0 5 5 2 0 0 0]
[[0 0 0 1 0 0 0 1 1 1][0 0 0 0 0 0 0 0 0 0][0 0 0 0 0 0 1 0 0 0][0 0 0 0 0 0 0 0 0 0][0 0 0 0 0 0 0 0 0 0][1 0 0 0 1 1 0 0 0 0][0 0 0 0 0 0 0 0 0 0][0 1 1 0 0 0 0 0 0 0][0 0 0 0 0 0 0 0 0 0][0 0 0 0 0 0 0 0 0 0]]

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import tensorflow as tf
import numpy as np
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "2"
z=np.random.randint(0,10,size=[10])
y=tf.one_hot(z,10,on_value=1,off_value=None)
y1=tf.one_hot(z,10,on_value=1,off_value=None,axis=1)
with tf.Session()as sess:print(z)print(sess.run(y))print("axis=1按行排", sess.run(y1))[6 3 4 9 6 5 5 1 2 1]
[[0 0 0 0 0 0 1 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 0 0 0 0 1][0 0 0 0 0 0 1 0 0 0][0 0 0 0 0 1 0 0 0 0][0 0 0 0 0 1 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 1 0 0 0 0 0 0 0 0]]
axis=1按行排 [[0 0 0 0 0 0 1 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 0 0 0 0 1][0 0 0 0 0 0 1 0 0 0][0 0 0 0 0 1 0 0 0 0][0 0 0 0 0 1 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 1 0 0 0 0 0 0 0 0]]

感觉实际用的时候可以不传入axis值。可以看到经过one-hot的处理，输入的维度变成了10×depth，值也变成了0和1.

下面说在condition GAN中要输入标签信息y，怎样处理的。
y是mnist的标签值，0和10之间的整数，尺寸为[BATCH],经过one-hot处理后维度变成了[BATCH，10]值也是0和1，此时再与噪声z按列（axis=1）连接，变成条件GAN的输入。因此one-hot操作是必须的，这个处理在infoGAN中将z，categorical latent code、continuous latent code连接在一起输入也要用到。

  y = tf.one_hot(y, 10, name='label_onehot')z = tf.random_uniform([BATCH, 100], -1, 1, name='z_train')tf.concat([z, y], 1)

tf.one_hot（）使用相关推荐

tf.one_hot
tf.one_hot在看conditionGAN的时候注意到label的输入要把它转换成one-hot形式,再与噪声z进行tf.concat输入,之前看的时候忽略了,现在再看才算明白为什么. tf.o ...
tf.one_hot()
一.独热编码独热编码(one-hot encoding),独热编码一般是在有监督学习中对数据集进行标注时候使用的,指的是在分类问题中,将存在数据类别的那一类用X表示,不存在的用Y表示,这里的X常常是 ...
tf.one_hot函数用法
具体用法如下: In [4]: y = tf.constant([1,2,3,0,2])In [5]: y = tf.one_hot(y,depth=4)In [7]: y Out[7]: <t ...
tf.one_hot()的用法
官方文档解释 one_hot(indices,#输入,这里是一维的depth,# one hot dimension.on_value=None,#output 默认1off_value=None,# ...
tf.ones、tf.zeros、tf.ones_like、tf.zeros_like、tf.fill、tf.eye、tf.one_hot、tf.range、tf.linspace函数
1.tf.ones函数函数原型: tf.ones(shape,dtype=tf.dtypes.float32,name=None ) 函数说明: 生成给定形状的全1的tensor张量函数使用: & ...
用tf.one_hot函数写任一坐标为1的二维张量
先给出tf.one_hot的用例:(例子转自https://www.jianshu.com/p/c5b4ec39713b) 1 import tensorflow as tf 2 var0 = tf. ...
通俗易懂！使用Excel和TF实现Transformer
作者 | 石晓文转载自小小挖掘机(ID:wAIsjwj) 本文旨在通过最通俗易懂的过程来详解Transformer的每个步骤! 假设我们在做一个从中文翻译到英文的过程,我们的词表很简单如下: 中文词 ...
使用估算器、tf.keras 和 tf.data 进行多 GPU 训练
文 / Zalando Research 研究科学家 Kashif Rasul 来源 | TensorFlow 公众号与大多数 AI 研究部门一样,Zalando Research 也意识到了对创意 ...
tf.nn.softmax_cross_entropy_with_logits 和 tf.contrib.legacy_seq2seq.sequence_loss_by_example 的联系与区别
文章目录 0.函数介绍 1.区别联系 1.1 tf.nn.softmax_cross_entropy_with_logits 1.2 tf.nn.sparse_softmax_cross_entrop ...

tf.one_hot（）使用

tf.one_hot（）使用相关推荐

最新文章

热门文章