は、どのように私は2</strong>と<strong>logitsである[2,2]テンソル</strong>、どのようにされただけで<strong>2クラス</strong>と<strong>バッチサイズがあることを想定しtensorflow

Question

fq=glob.glob("*.jpg") # ['0.jpg','1.jpg','2.jpg','3.jpg','4.jpg'],labels for images=[1,1,1,0,0] 
loss_op = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=logits, labels=onehot)) 

に私のインポートされたイメージのために手動でラベルのリストを作るのですか、私"onehot"変数リストに画像0,1,2 .jpgの場合は[1,0]、画像3,4.jpgの場合は[0,1]のような1つのホットエンコードされたラベルが含まれています。多くの感謝:)

Answer 1

あなただけのワンホットラベルのテンソルで

tf.one_hot(labels, depth=2) 

の結果を使用し、あなたがlabels = [1, 1, 1, 0, 0]をしたい知っている場合：

array([[ 0., 1.], 
     [ 0., 1.], 
     [ 0., 1.], 
     [ 1., 0.], 
     [ 1., 0.]], dtype=float32) 

注tf.one_hotどんな指標で1を置きますあなたがそれを与える最初の入力によって示されます。

<tf.Tensor 'one_hot:0' shape=(5, 2) dtype=float32> 

、示す値をとるものと評価されるまで、それはありません。また、あなたはノートでこれを実行し、テンソルを印刷しようとした場合、あなたのようなものを取得しますので、これはテンソルであることに注意してくださいそれがTensorFlowのしくみです。

したがって、バッチサイズが2の場合、トレーニングステップごとに2つのラベルをネットワークに供給し、それらのラベルを（トレーニングステップまたはネットワークのいずれかで）ワンホットに変換しています。あなたのトレーニングプロセスに続いて

labels = tf.placeholder(tf.int32, [None]) # 'None' means it has one dimension that is determined by your batch size 
# ... define your network ... 
loss_op = tf.nn.softmax_cross_entropy_with_logits(logits=logits, 
                labels=tf.one_hot(labels)) 
loss_op = tf.reduce_mean(loss_op) 

：私のような何かをするだろう

for _ in range(num_iter): 
    d = # generate data batch 
    t = # generate label batch, e.g. [1, 1] for the first two images 
    _, batch_loss = sess.run([train_op, loss_op], 
          feed_dict={data: d, labels: t}) 

Answer 2

ご入力配列がnumpyの配列である場合、あなたはnp.eyeを使用することができます。

label_array = np.array([1, 1, 1, 0, 0]) 
onehot_array = np.eye(2)[label_array] 

結果は：[[0. 0. 1]、[0. 1.]、[0. 1.]、[1. 0.]、[1. 0.]]