Keras中没有for循环的One-hot编码

Question

我想为一系列序列生成one-hot编码。

def encode_output(sequences, vocab_size):
  y = np.zeros([sequences.shape[0], sequences.shape[1], vocab_size], dtype='int16')
  for i in range(sequences.shape[0]):
    y[i] = keras.utils.to_categorical(sequences[i], num_classes=vocab_size, dtype='int16')
  return y

序列是一个二维numpy数组

array([[  23,    4,  563, ...,    0,    0,    0],
       [3480,    3,   86, ...,    0,    0,    0],
       [   9,  930,    6, ...,    0,    0,    0],
       ...,
       [ 507, 1408,    0, ...,    0,    0,    0],
       [4447,   13,  642, ...,    0,    0,    0],
       [   1,  195, 2618, ...,    0,    0,    0]], dtype=int32)

我的代码运行得很好，但也许有一种方法可以让它不使用for循环？

Answer 1

您可以简单地使用array-assignment -

def encode_vectorized(a, n, dtype=int):
    out = np.zeros(a.shape + (n,), dtype=dtype)
    np.put_along_axis(out, a[...,None], 1, axis=-1)
    return out

Answer 2

对于OHE练习，我总是使用：pd.get_dummies

下面是一个简单的例子：

import pandas as pd
s = pd.Series(list('abca'))

pd.get_dummies(s)
   a  b  c
0  1  0  0
1  0  1  0
2  0  0  1
3  1  0  0

资源：

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.get_dummies.html