Utilisation du codage one-hot pour représenter des images

Les réseaux neuronaux s'attendent à ce que les étiquettes des classes d'un ensemble de données soient organisées selon un codage « one-hot » : chaque ligne du tableau contient des zéros dans toutes les colonnes, à l'exception de la colonne correspondant à une étiquette unique, qui est définie sur 1.

L'ensemble de données sur la mode comprend trois catégories :

Chemises
Robes
Chaussures

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

Cet exercice fait partie du cours

Modélisation d'images avec Keras

Afficher le cours

Instructions

Initialisez la variable d'ohe_labels s pour contenir le tableau codé en one-hot.
Veuillez utiliser np.where() pour trouver l'emplacement de la catégorie de l'élément dans chaque itération dans categories.
Dans chaque itération, veuillez affecter une variable d'1 à la combinaison de ligne/colonne appropriée.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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