哈希层

[源]

Hashing

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

一个用于哈希和分箱分类特征的预处理层。

该层将分类输入转换为哈希输出。它将整数或字符串逐个元素地转换为固定范围内的整数。稳定的哈希函数使用 tensorflow::ops::Fingerprint 在所有平台上一致地产生相同的输出。

该层默认使用 FarmHash64,通过充分混合输入位,它能在不同平台之间提供一致的哈希输出,并且在调用之间保持稳定,不受设备和上下文的影响。

如果你想混淆哈希输出,你还可以在构造函数中传入一个随机的 salt 参数。在这种情况下,该层将使用 SipHash64 哈希函数,其中 salt 值作为哈希函数的附加输入。

注意: 该层内部使用了 TensorFlow。它不能与除 TensorFlow 之外的任何后端一起用作模型编译计算图的一部分。但是,在急切执行模式下,它可以与任何后端一起使用。它也可以始终作为任何后端(在模型本身之外)的输入预处理流水线的一部分使用,这是我们推荐使用该层的方式。

注意: 该层可以在 tf.data 流水线中安全使用(无论你使用的是哪个后端)。

示例 (FarmHash64)

>>> layer = keras.layers.Hashing(num_bins=3)
>>> inp = [['A'], ['B'], ['C'], ['D'], ['E']]
>>> layer(inp)
array([[1],
        [0],
        [1],
        [1],
        [2]])>

示例 (FarmHash64) 带掩码值

>>> layer = keras.layers.Hashing(num_bins=3, mask_value='')
>>> inp = [['A'], ['B'], [''], ['C'], ['D']]
>>> layer(inp)
array([[1],
        [1],
        [0],
        [2],
        [2]])

示例 (SipHash64)

>>> layer = keras.layers.Hashing(num_bins=3, salt=[133, 137])
>>> inp = [['A'], ['B'], ['C'], ['D'], ['E']]
>>> layer(inp)
array([[1],
        [2],
        [1],
        [0],
        [2]])

示例 (Siphash64 带单个整数,等同于 salt=[133, 133])

>>> layer = keras.layers.Hashing(num_bins=3, salt=133)
>>> inp = [['A'], ['B'], ['C'], ['D'], ['E']]
>>> layer(inp)
array([[0],
        [0],
        [2],
        [1],
        [0]])

参数

  • num_bins: 哈希分箱的数量。请注意,这包括 mask_value 对应的分箱,因此如果设置了 mask_value,有效的分箱数量是 (num_bins - 1)
  • mask_value: 表示被掩码输入的数值,这些输入映射到索引 0。None 表示不添加掩码项,哈希将从索引 0 开始。默认为 None
  • salt: 一个无符号整数或 None。如果传入,将使用 SipHash64 哈希函数,这些值将用作附加输入(在密码学中称为“盐”)。这些值应非零。如果为 None,则使用 FarmHash64 哈希函数。它还支持包含两个无符号整数的元组/列表,详见参考论文。默认为 None
  • output_mode: 层输出的规范。值可以是 "int""one_hot""multi_hot""count",按如下方式配置层:
    • "int": 直接返回整数分箱索引。
    • "one_hot": 将输入中的每个独立元素编码为一个与 num_bins 大小相同的数组,在输入元素对应的分箱索引处包含一个 1。如果最后一维大小为 1,则在该维度上编码。如果最后一维大小不为 1,则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一个与 num_bins 大小相同的单个数组,对于样本中存在的每个分箱索引都包含一个 1。将最后一维视为样本维度,如果输入形状是 (..., sample_length),则输出形状将是 (..., num_bins)
    • "count": 与 "multi_hot" 类似,但整数数组包含分箱索引在样本中出现的次数计数。默认为 "int"
  • sparse: 布尔值。仅适用于 "one_hot""multi_hot""count" 输出模式。仅支持 TensorFlow 后端。如果为 True,则返回 SparseTensor 而不是密集 Tensor。默认为 False
  • **kwargs: 用于构造层的关键字参数。

输入形状

一个字符串、一个字符串列表,或形状为 (batch_size, ...,)int32int64 张量。

输出形状

形状为 (batch_size, ...)int32 张量。

参考