Görüntüleri temsil etmek için one-hot encoding kullanma

Sinir ağları, bir veri kümesindeki sınıf etiketlerinin one-hot encoded şekilde düzenlenmesini bekler: dizideki her satırda, benzersiz bir etikete karşılık gelen sütun 1 olarak ayarlanır, diğer tüm sütunlar sıfırdır.

Fashion veri kümesi üç kategori içerir:

Gömlekler
Elbiseler
Ayakkabılar

Bu egzersizde, bu etiketlerin küçük bir örneği için bir one-hot encoding oluşturacaksın.

Bu egzersiz

Keras ile Görüntü Modellemesi

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

ohe_labels değişkenini, one-hot encoded diziyi tutacak şekilde başlat.
categories içinde her yinelemede, öğenin kategorisinin konumunu bulmak için np.where() kullan.
Her yinelemede doğru satır/sütun kombinasyonuna 1 ata.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# 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[____] = ____

Kodu Düzenle ve Çalıştır