CategoryEncoding 層
CategoryEncoding 類別
keras.layers.CategoryEncoding(
num_tokens=None, output_mode="multi_hot", sparse=False, **kwargs
)
一個預處理層，用於編碼整數特徵。
當事先已知詞彙總數時，此層提供將資料壓縮為類別編碼的選項。它接受整數值作為輸入，並輸出這些輸入的密集或稀疏表示。對於詞彙總數未知的整數輸入，請改用 keras.layers.IntegerLookup。
注意： 此層可以安全地在 tf.data 管道內使用（與您使用的後端無關）。
範例
One-hot 編碼資料
>>> layer = keras.layers.CategoryEncoding(
... num_tokens=4, output_mode="one_hot")
>>> layer([3, 2, 0, 1])
array([[0., 0., 0., 1.],
[0., 0., 1., 0.],
[1., 0., 0., 0.],
[0., 1., 0., 0.]]>
Multi-hot 編碼資料
>>> layer = keras.layers.CategoryEncoding(
... num_tokens=4, output_mode="multi_hot")
>>> layer([[0, 1], [0, 0], [1, 2], [3, 1]])
array([[1., 1., 0., 0.],
[1., 0., 0., 0.],
[0., 1., 1., 0.],
[0., 1., 0., 1.]]>
在 "count" 模式中使用加權輸入
>>> layer = 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)
array([[0.1, 0.2, 0. , 0. ],
[0.2, 0. , 0. , 0. ],
[0. , 0.2, 0.3, 0. ],
[0. , 0.2, 0. , 0.4]]>
引數
- num_tokens：層應支援的詞彙總數。層的所有輸入都必須是
0 <= value < num_tokens範圍內的整數，否則會拋出錯誤。 - output_mode：層輸出的規格。值可以是
"one_hot"、"multi_hot"或"count"，將層配置如下： -"one_hot"：將輸入中的每個個別元素編碼為大小為num_tokens的陣列，在元素索引處包含 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，將附加一個新維度用於編碼輸出。 -"multi_hot"：將輸入中的每個樣本編碼為大小為num_tokens的單個陣列，對於樣本中存在的每個詞彙項，包含 1。如果輸入形狀為(..., sample_length)，則將最後一個維度視為樣本維度，輸出形狀將為(..., num_tokens)。 -"count"：類似於"multi_hot"，但整數陣列包含該索引處的詞彙在樣本中出現次數的計數。對於所有輸出模式，目前僅支援最高 rank 2 的輸出。預設為"multi_hot"。 - sparse：是否返回稀疏張量；適用於支援稀疏張量的後端。
呼叫引數
- inputs：整數輸入的 1D 或 2D 張量。
- count_weights：與
inputs形狀相同的張量，指示在count模式中求和時每個樣本值的權重。不適用於"multi_hot"或"one_hot"模式。