Začněte nyníZačněte zdarma

Reprezentace obrázků pomocí one-hot encodingu

Neuronové sítě očekávají, že popisky tříd v datasetu budou ve formátu one-hot encodingu: každý řádek pole obsahuje samé nuly, kromě sloupce odpovídajícího danému popisku, který je nastaven na 1.

Dataset s módou obsahuje tři kategorie:

  1. Košile
  2. Šaty
  3. Boty

V tomto cvičení vytvoříš one-hot encoding pro malý vzorek těchto popisků.

Toto cvičení je součástí kurzu

Image Modeling with Keras

Zobrazit kurz

Pokyny k cvičení

  • Inicializuj proměnnou ohe_labels, která bude uchovávat pole s one-hot encodingem.
  • Pomocí np.where() najdi umístění kategorie daného prvku v každé iteraci v categories.
  • V každé iteraci přiřaď hodnotu 1 na správnou kombinaci řádku a sloupce.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# The number of image categories
n_categories = 3

# The unique values of categories in the data
categories = np.array(["shirt", "dress", "shoe"])

# Initialize ohe_labels as all zeros
ohe_labels = ____((len(labels), n_categories))

# Loop over the labels
for ii in range(len(labels)):
    # Find the location of this label in the categories variable
    jj = np.where(___)
    # Set the corresponding zero to one
    ohe_labels[____] = ____
Upravit a spustit kód