将tf.string字符数组转换为1-hot编码的float32数组的向量？

作者: 威斯特
发布时间: 2024-07-22 12:27:18 (1月前)
转自：

3 条回复

0#
回复此人
Let us fly | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 我更喜欢使用一个hot而不是embedding_lookup。 </p> <pre> <code> import tensorflow as tf vocabulary = "UDLR" original_string = "UDLRUDLR" mapping_characters = tf.string_split([vocabulary], delimiter="") input_characters = tf.string_split([original_string], delimiter="") table = tf.contrib.lookup.index_table_from_tensor( mapping=mapping_characters.values, default_value=0) encoded = tf.one_hot(table.lookup(input_characters.values), len(vocabulary), dtype=tf.int8) tf.InteractiveSession().as_default() tf.tables_initializer().run() print(encoded.eval()) </code> </pre> <P> 结果： </p> <pre> <code> [[1 0 0 0] [0 1 0 0] [0 0 1 0] [0 0 0 1] [1 0 0 0] [0 1 0 0] [0 0 1 0] [0 0 0 1]] </code> </pre> </DIV>

编辑
1#
回复此人
v-star*위위 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 如果您可以将字符串从“UDRL”转换为“3210”。您可以使用tf.nn.embeddings_lookup执行此操作，如下所示： </p> <pre> <code> embeddings = tf.constant([[1,0,0,0], [0,1,0,0], [0,0,1,0], [0,0,0,1]]) labels = [0,3,1,2] encode_tensors = tf.nn.embedding_lookup(embeddings,labels) </code> </pre> <P> sess.run（encode_tensors）的输出： </p> <pre> <code> array([[1, 0, 0, 0], [0, 0, 0, 1], [0, 1, 0, 0], [0, 0, 1, 0]], dtype=int32) </code> </pre> <P> 希望这可以帮助！ </p> </DIV>

编辑

登录后才能参与评论