这篇博客介绍了np.eye()函数在深度学习中的应用，特别是在one-hot编码过程中的作用。one-hot编码将类别标签转化为二进制形式，便于神经网络处理。例如，对于一个batchsize为8且类别总数为3的数据，它将标签[0,1,2,1,2,0,1,1]转换为[[1,0,0],[0,1,0],[0,0,1],[0,1,0],[0,0,1],[1,0,0],[1,0,0]]。这个过程有助于后续的模型训练和计算。
np.eye()用于生成对角矩阵，在深度学习中，可以将标签数组进行one-hot编码方便后续操作。
one-hot编码
例如一个batchsize为8的batch数据，其对应的标签batch为类别总数为3的数组[0,1,2,1,2,0,1,1]，那么它的one-hot形式则为[[1,0,0],[0,1,0],[0,0,1],[0,1,0],[0,0,1],[1,0,0],[1,0,0]]，行为batch的样本数，列为所属类别，对应哪个类别就将哪个列索引上的数置1。
np.eye()进行one-hot编码的写法
np.eye(class_num)[label_array].
扫一扫
1153
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
