雜湊層

[原始碼]

Hashing 類別

tf_keras.layers.Hashing(
    num_bins, mask_value=None, salt=None, output_mode="int", sparse=False, **kwargs
)

一個對類別特徵進行雜湊和分箱的預處理層。

此層將類別輸入轉換為雜湊輸出。它以逐元素的方式將整數或字串轉換為固定範圍內的整數。穩定的雜湊函數使用 tensorflow::ops::Fingerprint，以確保在所有平台上產生一致的輸出。

此層預設使用 FarmHash64，它在不同平台上提供一致的雜湊輸出，並且透過徹底混合輸入位元，在不同裝置和情境下都保持穩定。

如果您想混淆雜湊輸出，您也可以在建構子中傳遞一個隨機的 salt 引數。在這種情況下，該層將使用 SipHash64 雜湊函數，其中 salt 值將作為雜湊函數的額外輸入。

有關預處理層的概述和完整列表，請參閱預處理指南。

範例 (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]])>

範例 (使用遮罩值的 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]])>

範例 (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]])>

範例 (帶有單一整數的 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]])>

引數

• num_bins：雜湊分箱的數量。請注意，這包含 mask_value 分箱，因此如果設定了 mask_value，則有效的分箱數量為 (num_bins - 1)。
• mask_value：代表遮罩輸入的值，會被對應到索引 0。None 表示不會新增遮罩項，且雜湊將從索引 0 開始。預設為 None。
• salt：一個單一的無號整數或 None。如果傳遞，將使用 SipHash64 雜湊函數，這些值將作為額外輸入（在密碼學中稱為「鹽」）。這些值應該是非零的。如果為 None，則使用 FarmHash64 雜湊函數。它也支援由 2 個無號整數組成的 tuple/list，詳細資訊請參閱參考論文。預設為 None。
• output_mode：層輸出的規範。值可以是 "int"、"one_hot"、"multi_hot" 或 "count"，配置層如下：
  • "int"：直接回傳整數分箱索引。
  • "one_hot"：將輸入中的每個元素編碼成一個與 num_bins 大小相同的陣列，其中輸入的分箱索引處包含 1。如果最後一個維度的大小為 1，將在該維度上進行編碼。如果最後一個維度的大小不是 1，則會附加一個新的維度來存放編碼後的輸出。
  • "multi_hot"：將輸入中的每個樣本編碼成一個與 num_bins 大小相同的單一陣列，其中每個樣本中出現的分箱索引都包含 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" 相同，但整數陣列包含分箱索引在樣本中出現的次數計數。預設為 "int"。
• sparse：布林值。僅適用於 "one_hot"、"multi_hot" 和 "count" 輸出模式。如果為 True，則會回傳 SparseTensor 而非密集的 Tensor。預設為 False。
• **kwargs：建構層的關鍵字引數。

輸入形狀

單一或字串、int32 或 int64 Tensor、SparseTensor 或 RaggedTensor 的列表，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

• 帶有 salt 的 SipHash