ComeçarComece de graça

Usando codificação one-hot para representar imagens

As redes neurais esperam que os rótulos das classes em um conjunto de dados sejam organizados de forma codificada one-hot: cada linha na matriz tem zeros em todas as colunas, exceto na coluna que tem um rótulo único, que é 1.

O conjunto de dados de moda tem três categorias:

  1. Camisas
  2. Vestidos
  3. Sapatos

Neste exercício, você vai criar uma codificação one-hot de uma pequena amostra dessas etiquetas.

Este exercício faz parte do curso

Modelagem de imagens com Keras

Ver curso

Instruções do exercício

  • Inicialize a variável “ ohe_labels ” pra guardar a matriz codificada em one-hot.
  • Use np.where() para encontrar a localização da categoria do item em cada iteração em categories.
  • Coloca um objeto " 1 " na combinação certa de linha/coluna em cada repetição.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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[____] = ____
Editar e executar o código