Représenter des images avec l'encodage one-hot

Les réseaux de neurones s'attendent à ce que les étiquettes de classes d'un jeu de données soient organisées au format one-hot : chaque ligne du tableau contient des zéros dans toutes les colonnes, sauf dans la colonne correspondant à une étiquette donnée, qui est mise à 1.

Le jeu de données sur la mode contient trois catégories :

Chemises
Robes
Chaussures

Dans cet exercice, vous allez créer un encodage one-hot pour un petit échantillon de ces étiquettes.

Cette activité fait partie du cours

Modélisation d'images avec Keras

Voir le cours

Instructions de l’exercice

Initialisez la variable ohe_labels pour contenir le tableau encodé en one-hot.
Utilisez np.where() pour trouver l'emplacement de la catégorie de l'article à chaque itération dans categories.
Inscrivez un 1 à la bonne combinaison ligne/colonne à chaque itération.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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[____] = ____

Modifier et exécuter le code