Använda one-hot-kodning för att representera bilder

Neurala nätverk kräver att klassernas etiketter i en datamängd är organiserade med one-hot-kodning: varje rad i arrayen innehåller nollor i alla kolumner utom den kolumn som motsvarar en unik etikett, som sätts till 1.

Fashion-datamängden innehåller tre kategorier:

Skjortor
Klänningar
Skor

I den här övningen skapar du en one-hot-kodning av ett litet urval av dessa etiketter.

Den här övningen är en del av kursen

Bildmodellering med Keras

Visa kurs

Övningsinstruktioner

Initiera variabeln ohe_labels för att hålla den one-hot-kodade arrayen.
Använd np.where() för att hitta positionen för artikelns kategori i varje iteration i categories.
Tilldela ett 1 till rätt rad- och kolumnkombination i varje iteration.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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[____] = ____

Redigera och kör kod