tensorflow 知识点:

本文探讨了在TensorFlow中使用OneHot向量的重要性。解释了OneHot编码如何将类别标签转换为二进制向量形式,并讨论了在多分类任务中为何采用这种形式作为标签输入。此外,还介绍了OneHot向量与Softmax输出层之间的关系以及其在计算交叉熵损失中的作用。

1.TensorFlow中的onehot有什么作用,为什么要使用onehot向量呢?

TensorFlow导入数据的时候会令one_hot=True,为什么要这样做呢?
onehot向量究竟是什么?

考虑多类情况。非onehot,标签是类似0 1 2 3...n这样。
而onehot标签则是顾名思义,一个长度为n的数组,只有一个元素是1.0,其他元素是0.0。

标签是以one-hot(one-hot就是有一个长度为N的数组,只有一位是1表示是某一个分类,其他位都是0)的方式表示

例如在n为4的情况下,标签2对应的onehot标签就是 0.0 0.0 1.0 0.0

使用onehot的直接原因是现在多分类cnn网络的输出通常是softmax层,而它的输出是一个概率分布,从而要求输入的标签也以概率分布的形式出现,进而算交叉熵之类。


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值