Tensorflow：一种热编码答案

【问题标题】：Tensorflow : one hot encodingTensorflow：一种热编码
【发布时间】：2016-03-19 10:33:40
【问题描述】：

以下代码可以正常工作，但使用 eval() 我认为效率低下。有没有更好的方法来达到同样的效果？

import tensorflow as tf
import numpy as np
sess = tf.Session()
t = tf.constant([[4,5.1,6.3,5,6.5,7.2,9.3,7,1,1.4],[4,5.1,9.3,5,6.5,7.2,1.3,7,1,1.4],[4,3.1,6.3,5,6.5,3.2,5.3,7,1,1.4]])
print t
a = tf.argmax(t,1).eval(session=sess)
z = [ k==np.arange(14) for k in a]
z1 = tf.convert_to_tensor(np.asarray(z).astype('int32'))
print z1
print sess.run(z1)

输出

Tensor("Const_25:0", shape=TensorShape([Dimension(3), Dimension(10)]), dtype=float32)
Tensor("Const_26:0", shape=TensorShape([Dimension(3), Dimension(14)]), dtype=int32)
[[0 0 0 0 0 0 1 0 0 0 0 0 0 0]
 [0 0 1 0 0 0 0 0 0 0 0 0 0 0]
 [0 0 0 0 0 0 0 1 0 0 0 0 0 0]]

【问题讨论】：

标签： eval tensorflow one-hot-encoding

【解决方案1】：

实现它的一种方法是计算每一行的最大值，然后将每个元素与该值进行比较。我没有在这台机器上安装张量流，所以不能为你提供确切的代码，但它会是这样的：

z1 = tf.equal(t, tf.reduce_max(t, reduction_indices=[1], keep_dims=True))

【讨论】：

非常感谢。现在已经连续 3 天这样做了，我写的最新的混乱代码因为 eval 没有工作，在编译那一步时吃掉了我的整个 16Gig，当我杀死时仍然很饿:(
如果您的数据太大而无法放入内存，您还可以查看 Scikit Flow 中的核心训练示例。