En esta publicación, veremos cómo inicializar un vector en TensorFlow con todos ceros o unos. La función a la que llamarás es tf.ones()
. Para inicializar con ceros, podría usar en su tf.zeros()
lugar. Estas funciones toman una forma y devuelven una array llena de ceros y unos en consecuencia.
Código:
import tensorflow as tf ones_matrix = tf.ones([2, 3]) sess = tf.Session() ones = sess.run(ones_matrix) sess.close() print(ones)
Producción:
[[1. 1. 1.] [1. 1. 1.]]
Uso de One Hot Encoding:
muchas veces en el aprendizaje profundo y los cálculos vectoriales generales, tendrá un vector con números que van de 0 a C-1 y deseará realizar la siguiente conversión. Si C es, por ejemplo, 5, entonces podría tener el siguiente vector y que deberá convertir de la siguiente manera:
Esto puede hacerse de la siguiente manera:
Parámetros pasados a la función:
índices: Un tensor de índices.
profundidad: un escalar que define la profundidad de una dimensión activa.
on_value: un escalar que define el valor para completar la salida cuando indices[j] = i. (predeterminado: 1)
off_value: un escalar que define el valor para completar la salida cuando los índices [j] != i. (predeterminado: 0)
eje: El eje para llenar (predeterminado: -1, un nuevo eje más interno).
dtype: el tipo de datos del tensor de salida.
nombre: Un nombre para la operación (opcional).
Código:
indices = [1, 4, 2, 0, 3] C = tf.constant(5, name = "C") one_hot_matrix = tf.one_hot( indices, C, on_value = 1.0, off_value = 0.0, axis =-1) sess = tf.Session() one_hot = sess.run(one_hot_matrix) sess.close() # output is of dimension 5 x 5 print(one_hot)
Producción:
[[0.0, 1.0, 0.0, 0.0, 0.0 ] [0.0, 0.0, 0.0, 0.0, 1.0] [0.0, 0.0, 1.0, 0.0, 0.0] [1.0, 0.0, 0.0, 0.0, 0.0] [0.0, 0.0, 0.0, 1.0, 0.0]]
Siéntase libre de cambiar los valores y ver el resultado.
Código:
indices = [[0, 2], [1, -1]] C = tf.constant(5, name = "C") one_hot_matrix = tf.one_hot( indices, C, on_value = 1.0, off_value = 0.0, axis =-1) sess = tf.Session() one_hot = sess.run(one_hot_matrix) sess.close() # output is of dimension 2 x 2 x 3 print(one_hot)
Producción :
[[[1.0, 0.0, 0.0], [0.0, 0.0, 1.0]], [[0.0, 1.0, 0.0], [0.0, 0.0, 0.0]]]
Publicación traducida automáticamente
Artículo escrito por hackerblack1004 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA