使用 numpy 对图像标签进行一种热编码答案

【问题标题】：One hot encoding from image labels using numpy使用 numpy 对图像标签进行一种热编码
【发布时间】：2019-11-27 03:32:00
【问题描述】：

我一直对这个热门的编码问题感到困惑。我确信这是一个简单的过程，但我一直在研究这个问题一段时间，看不到我的错误。

我有一组形状为 (1080,1) 的 train_labels，并且有 6 个整数类。我正在尝试使用以下方法将其变成一个热向量：

def convert_to_one_hot(train_labels_conv,classes):
    Y_train = np.eye(classes)[train_labels_conv.reshape(-1)].T
    return Y_train

Y_train = np.arange(6)
print(Y_train)
Y_train_hot = convert_to_one_hot(Y_train, len(Y))
print(Y_train_hot)

As a result I simply get
[0 1 2 3 4 5]
[[1. 0. 0. 0. 0. 0.]
 [0. 1. 0. 0. 0. 0.]
 [0. 0. 1. 0. 0. 0.]
 [0. 0. 0. 1. 0. 0.]
 [0. 0. 0. 0. 1. 0.]
 [0. 0. 0. 0. 0. 1.]]

我不应该为我的训练标签收到整个一个热矩阵吗？我将不胜感激任何正确方向的指示，因为我还不习惯使用 python。

【问题讨论】：

标签： python numpy one-hot-encoding

【解决方案1】：

如果你的标签是字符串，你可以使用这个函数：

import numpy as np

target = np.array(['dog', 'dog', 'cat', 'cat', 'cat', 'dog', 'dog', 
    'cat', 'cat', 'hamster', 'hamster'])

def one_hot(array):
    unique, inverse = np.unique(array, return_inverse=True)
    onehot = np.eye(unique.shape[0])[inverse]
    return onehot

print(one_hot(target))

输出[9]：
[[0., 1., 0.],
[0., 1., 0.],
[1., 0., 0.],
[1., 0., 0.],
[1., 0., 0.],
[0., 1., 0.],
[0., 1., 0.],
[1., 0., 0.],
[1., 0., 0.],
[0., 0., 1.],
[0., 0., 1.]])

【讨论】：