Tensorflow One Hot Encoder？

Question

tensorflow是否与scikit learn zero-value类似，用于处理分类数据？使用tf.string的占位符会表现为分类数据吗？

我意识到我可以在将数据发送到tensorflow之前手动预处理数据，但内置它非常方便。

Answer 1

从TensorFlow 0.8开始，现在有一个native one-hot op, tf.one_hot可以将一组稀疏标签转换为密集的单热表示。这是tf.nn.sparse_softmax_cross_entropy_with_logits的补充，在某些情况下，您可以直接在稀疏标签上计算交叉熵，而不是将它们转换为单热。

以前的答案，如果您想以旧方式执行此操作： @ Salvador的答案是正确的 - 那里（以前）没有本地操作。不过，不是在numpy中进行，而是可以使用稀疏到密集的运算符在tensorflow中本地执行：

num_labels = 10

# label_batch is a tensor of numeric labels to process
# 0 <= label < num_labels

sparse_labels = tf.reshape(label_batch, [-1, 1])
derived_size = tf.shape(label_batch)[0]
indices = tf.reshape(tf.range(0, derived_size, 1), [-1, 1])
concated = tf.concat(1, [indices, sparse_labels])
outshape = tf.pack([derived_size, num_labels])
labels = tf.sparse_to_dense(concated, outshape, 1.0, 0.0)

输出标签是batch_size x num_labels的一个热矩阵。

另请注意，截至2016-02-12（我假设最终将成为0.7版本的一部分），TensorFlow也有tf.nn.sparse_softmax_cross_entropy_with_logits op，在某些情况下可以让你进行培训而无需转换为单热编码。

编辑添加：最后，您可能需要明确设置标签的形状。形状推断无法识别num_labels组件的大小。如果您不需要使用derived_size的动态批量大小，则可以简化此操作。

编辑2016-02-12更改以下评论的outshape分配。

Answer 2

tf.one_hot()在TF中可用且易于使用。

让我们假设你有4个可能的类别（猫，狗，鸟，人）和2个实例（猫，人）。因此，您的depth=4和indices=[0, 3]

import tensorflow as tf
res = tf.one_hot(indices=[0, 3], depth=4)
with tf.Session() as sess:
    print sess.run(res)

请记住，如果你提供index = -1，你将在你的单热矢量中得到全部零。

旧答案，此功能不可用时。

在查看python documentation之后，我没有找到类似的东西。有一件事加强了我对它不存在的信念，那就是在their own example中他们手动编写one_hot。

def dense_to_one_hot(labels_dense, num_classes=10):
  """Convert class labels from scalars to one-hot vectors."""
  num_labels = labels_dense.shape[0]
  index_offset = numpy.arange(num_labels) * num_classes
  labels_one_hot = numpy.zeros((num_labels, num_classes))
  labels_one_hot.flat[index_offset + labels_dense.ravel()] = 1
  return labels_one_hot

您也可以在scikitlearn。

中执行此操作

Answer 3

numpy做到了！

import numpy as np
np.eye(n_labels)[target_vector]

Answer 4

对一个整数或整数列表进行单热编码的简单方法：

a = 5 
b = [1, 2, 3]
# one hot an integer
one_hot_a = tf.nn.embedding_lookup(np.identity(10), a)
# one hot a list of integers
one_hot_b = tf.nn.embedding_lookup(np.identity(max(b)+1), b)

Answer 5

TensorFlow的最新版本（nightlies甚至可能是0.7.1）有一个名为tf.one_hot的操作，可以完成你想要的操作。看看吧！

另一方面，如果你有一个密集矩阵，并且想要查找并聚合其中的值，你可能想要使用embedding_lookup函数。

Answer 6

也许是因为自2015年11月以来Tensorflow发生了变化，但@ dga的答案产生了错误。我确实让它与以下修改一起工作：

webdriver.Firefox

Answer 7

看看tf.nn.embedding_lookup。它从分类ID映射到嵌入。

有关如何将其用于输入数据的示例，请参阅here。

Answer 8

您可以使用tf.sparse_to_dense：

sparse_indices参数指示应该去哪里，output_shape应该设置为可能的输出数量（例如标签的数量），sparse_values应该是1，具有所需的类型（它将确定输出的类型） sparse_values的类型。）

Answer 9

Scikit Flow中的embedding_ops以及处理分类变量的示例等。

如果您刚刚开始学习TensorFlow，我建议您首先在examples中尝试TensorFlow/skflow，然后一旦您更熟悉TensorFlow，就可以很容易地将TensorFlow代码插入到构建你想要的自定义模型（也有这样的例子）。

希望这些图片和文字理解示例可以帮助您入门，如果您遇到任何问题，请告诉我们！ （在SO中发布问题或标记skflow）。

Answer 10

当前版本的tensorflow实现了以下用于创建单热张量的函数：

https://www.tensorflow.org/versions/master/api_docs/python/array_ops.html#one_hot

Answer 11

正如上面提到的@dga，Tensorflow现在有tf.one_hot：

labels = tf.constant([5,3,2,4,1])
highest_label = tf.reduce_max(labels)
labels_one_hot = tf.one_hot(labels, highest_label + 1)

array([[ 0.,  0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  1.,  0.,  0.],
       [ 0.,  0.,  1.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  1.,  0.],
       [ 0.,  1.,  0.,  0.,  0.,  0.]], dtype=float32)

你需要指定深度，否则你会得到修剪的单热张量。

如果您想手动执行此操作：

labels = tf.constant([5,3,2,4,1])
size = tf.shape(labels)[0]
highest_label = tf.reduce_max(labels)
labels_t = tf.reshape(labels, [-1, 1])
indices = tf.reshape(tf.range(size), [-1, 1])
idx_with_labels = tf.concat([indices, labels_t], 1)
labels_one_hot = tf.sparse_to_dense(idx_with_labels, [size, highest_label + 1], 1.0)

array([[ 0.,  0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  1.,  0.,  0.],
       [ 0.,  0.,  1.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  1.,  0.],
       [ 0.,  1.,  0.,  0.,  0.,  0.]], dtype=float32)

注意tf.concat（）

中的参数顺序

Answer 12

我的@CFB版本和@dga示例，缩短了一点以便于理解。

num_labels = 10
labels_batch = [2, 3, 5, 9]

sparse_labels = tf.reshape(labels_batch, [-1, 1])
derived_size = len(labels_batch)
indices = tf.reshape(tf.range(0, derived_size, 1), [-1, 1])
concated = tf.concat(1, [indices, sparse_labels]) 
labels = tf.sparse_to_dense(concated, [derived_size, num_labels], 1.0, 0.0)

Answer 13

In [7]: one_hot = tf.nn.embedding_lookup(np.eye(5), [1,2])

In [8]: one_hot.eval()
Out[8]: 
array([[ 0.,  1.,  0.,  0.,  0.],
       [ 0.,  0.,  1.,  0.,  0.]])

适用于TF 1.3.0版。截至2017年9月。

Answer 14

与Tensorflow 2.0兼容的答案：您可以使用 Tensorflow Transform 有效地做到这一点。

使用 Tensorflow Transform 执行一键编码的代码如下所示：

def get_feature_columns(tf_transform_output):
  """Returns the FeatureColumns for the model.

  Args:
    tf_transform_output: A `TFTransformOutput` object.

  Returns:
    A list of FeatureColumns.
  """
  # Wrap scalars as real valued columns.
  real_valued_columns = [tf.feature_column.numeric_column(key, shape=())
                         for key in NUMERIC_FEATURE_KEYS]

  # Wrap categorical columns.
  one_hot_columns = [
      tf.feature_column.categorical_column_with_vocabulary_file(
          key=key,
          vocabulary_file=tf_transform_output.vocabulary_file_by_name(
              vocab_filename=key))
      for key in CATEGORICAL_FEATURE_KEYS]

  return real_valued_columns + one_hot_columns

有关更多信息，请参阅此Tutorial on TF_Transform。