如何在tensorflow中将n热向量转换为多标签？
如何在tensorflow中将n热向量转换为多标签？
提问于 2020-07-01 19:06:12
我有一个多分类任务，我得到了n-hot类型的预测，比如
n_hot_prediction = [[0, 1, 1],
[0, 1, 0],
[1, 0, 1]]和另一个top_k数组，如
top_k_prediction = [[1, 2],
[0, 1],
[0, 1]]首先，我希望得到一个函数，它的工作原理如下：
tf.function1(n_hot_prediction) #output: [[1, 2], [1], [0, 2]]其次，我找到了另一个函数，它的工作原理如下：
tf.function2(top_k_prediction) #output: [[0, 1, 1], [1, 1, 0], [1, 1, 0]]有没有像tf.function1和tf.function2一样工作的函数或方法？
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-07-01 20:10:49
您的第二个函数实现起来非常简单：
import tensorflow as tf
@tf.function
def multi_hot(x, depth=None):
x = tf.convert_to_tensor(x)
if depth is None:
depth = tf.math.reduce_max(x) + 1
r = tf.range(tf.dtypes.cast(depth, x.dtype))
eq = tf.equal(tf.expand_dims(x, axis=-1), r)
return tf.cast(tf.reduce_any(eq, axis=-2), x.dtype)
x = [[1, 2], [0, 1], [0, 1]]
tf.print(multi_hot(x))
# [[0 1 1]
# [1 1 0]
# [1 1 0]]对于第一个，结果不是一个适当的张量，所以你可以改为制作一个粗糙的张量，屏蔽连续值的张量：
import tensorflow as tf
@tf.function
def as_labels(x):
mask = tf.dtypes.cast(x, tf.bool)
s = tf.shape(mask)
r = tf.reshape(tf.range(s[-1]), tf.concat([tf.ones(tf.rank(x) - 1, tf.int32), [-1]], axis=0))
r = tf.tile(r, tf.concat([s[:-1], [1]], axis=0))
return tf.ragged.boolean_mask(r, mask)
x = [[0, 1, 1], [0, 1, 0], [1, 0, 1]]
print(as_labels(x).to_list())
# [[1, 2], [1], [0, 2]]页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/62675441
复制相关文章
相似问题
腾讯云开发者
