Una codificación activa usando Tensorflow

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:

Un ejemplo de codificación activa

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]]]