當前位置: 首頁>>編程示例 >>用法及示例精選 >>正文

Python tf.keras.layers.Hashing用法及代碼示例

一個預處理層，對分類特征進行散列和分箱。

繼承自：Layer，Module

用法

tf.keras.layers.Hashing(
    num_bins, mask_value=None, salt=None, output_mode='int', sparse=False,
    **kwargs
)

參數

  • num_bins 哈希箱的數量。請注意，這包括mask_value bin，因此如果設置了mask_value，則有效的 bin 數為 (num_bins - 1)。
  • mask_value 表示掩碼輸入的值，映射到索引 0。默認為無，這意味著不會添加掩碼項，散列將從索引 0 開始。
  • salt 單個無符號整數或無。如果通過，則使用的散列函數將是 SipHash64，這些值用作附加輸入(在密碼學中稱為 "salt")。這些應該是非零的。默認為None(在這種情況下，使用 FarmHash64 哈希函數)。它還支持 2 個無符號整數的元組/列表，有關詳細信息，請參閱參考論文。
  • output_mode 層輸出的規範。默認為"int".值可以是"int","one_hot","multi_hot"， 或者"count"配置層如下：
    • "int" ：直接返回整數 bin 索引。
    • "one_hot" ：將輸入中的每個單獨元素編碼為與 num_bins 大小相同的數組，在輸入的 bin 索引處包含 1。如果最後一個維度是大小 1，將在該維度上進行編碼。如果最後一個維度不是大小 1，將為編碼輸出附加一個新維度。
    • "multi_hot" ：將輸入中的每個樣本編碼為與 num_bins 大小相同的單個數組，其中包含樣本中存在的每個 bin 索引索引的 1。將最後一個維度視為樣本維度，如果輸入形狀為 (..., sample_length) ，則輸出形狀將為 (..., num_tokens) 。
    • "count" ：與 "multi_hot" 一樣，但 int 數組包含 bin 索引在樣本中出現的次數的計數。
  • sparse 布爾值。僅適用於 "one_hot" , "multi_hot" 和 "count" 輸出模式。如果為 True，則返回 SparseTensor 而不是密集的 Tensor 。默認為假。
  • **kwargs 構造層的關鍵字參數。

該層將分類輸入轉換為散列輸出。它按元素將整數或字符串轉換為固定範圍內的整數。穩定的哈希函數使用tensorflow::ops::Fingerprint 在所有平台上一致地產生相同的輸出。

該層默認使用 FarmHash64，它通過徹底混合輸入位，在不同平台上提供一致的散列輸出，並且在調用之間保持穩定，無論設備和上下文如何。

如果你想混淆散列輸出，你也可以在構造函數中傳遞一個隨機的 salt 參數。在這種情況下，該層將使用 SipHash64 散列函數，並將 salt 值用作散列函數的附加輸入。

有關預處理層的概述和完整列表，請參閱預處理指南。

示例(FarmHash64)

layer = tf.keras.layers.Hashing(num_bins=3)
inp = [['A'], ['B'], ['C'], ['D'], ['E']]
layer(inp)
<tf.Tensor:shape=(5, 1), dtype=int64, numpy=
  array([[1],
         [0],
         [1],
         [1],
         [2]])>

具有掩碼值的示例 (FarmHash64)

layer = tf.keras.layers.Hashing(num_bins=3, mask_value='')
inp = [['A'], ['B'], [''], ['C'], ['D']]
layer(inp)
<tf.Tensor:shape=(5, 1), dtype=int64, numpy=
  array([[1],
         [1],
         [0],
         [2],
         [2]])>

示例(SipHash64)

layer = tf.keras.layers.Hashing(num_bins=3, salt=[133, 137])
inp = [['A'], ['B'], ['C'], ['D'], ['E']]
layer(inp)
<tf.Tensor:shape=(5, 1), dtype=int64, numpy=
  array([[1],
         [2],
         [1],
         [0],
         [2]])>

示例(帶有單個整數的 Siphash64，與 salt=[133, 133] 相同)

layer = tf.keras.layers.Hashing(num_bins=3, salt=133)
inp = [['A'], ['B'], ['C'], ['D'], ['E']]
layer(inp)
<tf.Tensor:shape=(5, 1), dtype=int64, numpy=
  array([[0],
         [0],
         [2],
         [1],
         [0]])>

輸入形狀：

單個或字符串列表，int32 或 int64 Tensor , SparseTensor 或 RaggedTensor，形狀為 (batch_size, ...,)

輸出形狀：

形狀為 (batch_size, ...) 的 int64 Tensor , SparseTensor 或 RaggedTensor。如果任何輸入為 RaggedTensor 則輸出為 RaggedTensor ，否則如果任何輸入為 SparseTensor 則輸出為 SparseTensor ，否則輸出為 Tensor 。

參考：

相關用法


注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.keras.layers.Hashing。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。