CategoryEncoding 层
CategoryEncoding 类
keras.layers.CategoryEncoding(
num_tokens=None, output_mode="multi_hot", sparse=False, **kwargs
)
一个预处理层，用于编码整数特征。
当预先知道令牌总数时，此层提供了将数据压缩为类别编码的选项。它接受整数值作为输入，并输出这些输入的密集或稀疏表示。对于令牌总数未知的整数输入，请改用 keras.layers.IntegerLookup。
注意： 此层可以安全地在 tf.data 管道中使用（与您使用的后端无关）。
示例
独热编码数据
>>> 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.]]>
多热编码数据
>>> 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" 模式下使用加权输入
>>> 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]]>
参数
- num_tokens：层应支持的令牌总数。层的所有输入必须是
0 <= value < num_tokens范围内的整数，否则将抛出错误。 - output_mode：层输出的规范。值可以是
"one_hot"、"multi_hot"或"count"，配置层如下： -"one_hot"：将输入中的每个元素编码为大小为num_tokens的数组，在元素索引处包含 1。如果最后一个维度大小为 1，则将在该维度上进行编码。如果最后一个维度大小不是 1，则将为编码输出附加一个新维度。 -"multi_hot"：将输入中的每个样本编码为大小为num_tokens的单个数组，其中包含样本中存在的每个词汇项的 1。将最后一个维度视为样本维度，如果输入形状为(..., sample_length)，则输出形状将为(..., num_tokens)。 -"count"：与"multi_hot"类似，但 int 数组包含该索引处的令牌在样本中出现的次数计数。对于所有输出模式，目前仅支持最高秩为 2 的输出。默认为"multi_hot"。 - sparse：是否返回稀疏张量；适用于支持稀疏张量的后端。
调用参数
- inputs：整数输入的一维或二维张量。
- count_weights：与
inputs形状相同的张量，指示在count模式下求和时每个样本值的权重。不在"multi_hot"或"one_hot"模式下使用。