Menggunakan one-hot encoding untuk merepresentasikan gambar

Neural network mengharapkan label kelas dalam himpunan data diatur dalam bentuk one-hot encoding: setiap baris dalam array berisi nol di semua kolom, kecuali kolom yang sesuai dengan label unik, yang diatur menjadi 1.

Himpunan data fashion memuat tiga kategori:

Kemeja
Gaun
Sepatu

Dalam latihan ini, Anda akan membuat one-hot encoding dari sampel kecil label-label tersebut.

Latihan ini adalah bagian dari kursus

Pemodelan Citra dengan Keras

Lihat Kursus

Petunjuk latihan

Inisialisasi variabel ohe_labels untuk menampung array one-hot encoded.
Gunakan np.where() untuk menemukan lokasi kategori item pada setiap iterasi di categories.
Isikan nilai 1 ke kombinasi baris/kolom yang benar pada setiap iterasi.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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[____] = ____

Edit dan Jalankan Kode