Hashing
类keras.layers.Hashing(
num_bins, mask_value=None, salt=None, output_mode="int", sparse=False, **kwargs
)
一个对分类特征进行哈希和分箱的预处理层。
此层将分类输入转换为哈希输出。它将整数或字符串元素wise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生成相同的输出。
此层默认使用 FarmHash64,它在不同平台之间提供一致的哈希输出,并且无论设备和上下文如何,通过彻底混合输入位,都能在调用之间保持稳定。
如果您想混淆哈希输出,也可以在构造函数中传入随机的 salt
参数。在这种情况下,该层将使用 SipHash64 哈希函数,并将 salt
值作为哈希函数的额外输入。
注意:此层内部使用 TensorFlow。除了 TensorFlow 之外,它不能作为模型编译计算图的一部分使用。但是,在急切执行时,它可以与任何后端一起使用。它也可以始终作为任何后端(模型本身之外)输入预处理管道的一部分使用,这也是我们建议使用此层的方式。
注意:此层可以在 tf.data
管道中使用(与您使用的后端无关)。
示例 (FarmHash64)
>>> layer = keras.layers.Hashing(num_bins=3)
>>> inp = [['A'], ['B'], ['C'], ['D'], ['E']]
>>> layer(inp)
array([[1],
[0],
[1],
[1],
[2]])>
带掩码值的示例 (FarmHash64)
>>> 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,与 salt=[133, 133]
相同)
>>> 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
mask_value
桶,因此如果设置了 mask_value
,则有效桶的数量为 (num_bins - 1)
。None
表示不添加掩码项,哈希将从索引 0 开始。默认为 None
。None
,则使用 FarmHash64 哈希函数。它还支持包含 2 个无符号整数的元组/列表,详情请参阅参考论文。默认为 None
。"int"
、"one_hot"
、"multi_hot"
或 "count"
,配置层如下:"int"
:直接返回整数桶索引。"one_hot"
: 将输入中的每个单独元素编码成一个与 num_bins
大小相同的数组,在输入对应的桶索引处包含一个 1。如果最后一维的大小为 1,则在该维上进行编码。如果最后一维的大小不为 1,则会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成一个与 num_bins
大小相同的单个数组,其中包含样本中存在的每个桶索引的 1。如果输入形状为 (..., sample_length)
,则将最后一维视为样本维,输出形状将为 (..., num_tokens)
。"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"
。"one_hot"
、"multi_hot"
和 "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
。输入形状
单个字符串、字符串列表,或形状为 (batch_size, ...,)
的 int32
或 int64
张量。
输出形状
形状为 (batch_size, ...)
的 int32
张量。
参考