Python tf.keras.layers.CategoryEncoding用法及代码示例

编码整数特征的预处理层。

继承自：Layer，Module

用法

tf.keras.layers.CategoryEncoding(
    num_tokens=None, output_mode='multi_hot', sparse=False, **kwargs
)

参数

num_tokens 该层应支持的令牌总数。该层的所有输入必须是 0 <= value < num_tokens 范围内的整数，否则将引发错误。
output_mode
层输出的规范。默认为"multi_hot".值可以是"one_hot","multi_hot"或者"count"，配置层如下：
- "one_hot" ：将输入中的每个单独元素编码为 num_tokens 大小的数组，在元素索引处包含 1。如果最后一个维度是大小 1，将在该维度上进行编码。如果最后一个维度不是大小 1，将为编码输出附加一个新维度。
- "multi_hot" ：将输入中的每个样本编码为 num_tokens 大小的单个数组，其中包含样本中存在的每个词汇术语的 1。将最后一个维度视为样本维度，如果输入形状为 (..., sample_length) ，则输出形状将为 (..., num_tokens) 。
- "count" ：与 "multi_hot" 类似，但 int 数组包含该索引处的标记出现在样本中的次数的计数。对于所有输出模式，目前仅支持输出到 rank 2。
sparse 布尔值。如果为真，则返回 SparseTensor 而不是密集的 Tensor 。默认为 False 。

当预先知道令牌的总数时，该层提供了将数据压缩为分类编码的选项。它接受整数值作为输入，并输出这些输入的密集或稀疏表示。对于不知道令牌总数的整数输入，请改用tf.keras.layers.IntegerLookup。

有关预处理层的概述和完整列表，请参阅预处理指南。

例子：

One-hot编码数据

layer = tf.keras.layers.CategoryEncoding(
          num_tokens=4, output_mode="one_hot")
layer([3, 2, 0, 1])
<tf.Tensor:shape=(4, 4), dtype=float32, numpy=
  array([[0., 0., 0., 1.],
         [0., 0., 1., 0.],
         [1., 0., 0., 0.],
         [0., 1., 0., 0.]], dtype=float32)>

Multi-hot编码数据

layer = tf.keras.layers.CategoryEncoding(
          num_tokens=4, output_mode="multi_hot")
layer([[0, 1], [0, 0], [1, 2], [3, 1]])
<tf.Tensor:shape=(4, 4), dtype=float32, numpy=
  array([[1., 1., 0., 0.],
         [1., 0., 0., 0.],
         [0., 1., 1., 0.],
         [0., 1., 0., 1.]], dtype=float32)>

在 "count" 模式下使用加权输入

layer = tf.keras.layers.CategoryEncoding(
          num_tokens=4, output_mode="count")
count_weights = np.array([[.1, .2], [.1, .1], [.2, .3], [.4, .2]])
layer([[0, 1], [0, 0], [1, 2], [3, 1]], count_weights=count_weights)
<tf.Tensor:shape=(4, 4), dtype=float64, numpy=
  array([[0.1, 0.2, 0. , 0. ],
         [0.2, 0. , 0. , 0. ],
         [0. , 0.2, 0.3, 0. ],
         [0. , 0.2, 0. , 0.4]])>

调用参数：

inputs：整数输入的一维或二维张量。
count_weights: 一个形状相同的张量inputs求和时表示每个样本值的权重count模式。不用于"multi_hot"或者"one_hot"模式。

相关用法

注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.keras.layers.CategoryEncoding。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。