インデックスのエラーを表す1つのホット表現

Question

次の関数で1つのホット表現を理解しようとしています。私は、この関数の各行を1行ずつ印刷しました。しかし、最後の行でインデックスが外れているというエラーが出ます。理由を理解できません。どうすればこの問題を解決できますか？他人のために

def dense_to_one_hot(labels_dense, num_classes): 
    num_labels = labels_dense.shape[0] 
    index_offset = np.arange(num_labels) * num_classes 
    labels_one_hot = np.zeros((num_labels, num_classes)) 
    labels_one_hot.flat[index_offset + labels_dense.ravel()] = 1 
    return labels_one_hot 

labels_dense = np.arange(475000) 
print labels_dense.shape 
num_classes=10 
num_labels = labels_dense.shape[0] 
print num_labels 
index_offset = np.arange(num_labels) * num_classes 
print index_offset 
print len(index_offset) 
print 'index offset is '+str(index_offset.shape) 
labels_one_hot = np.zeros((num_labels, num_classes)) 
print labels_one_hot.shape 
x= labels_dense.ravel() 
print x 
print x.shape 
plus= index_offset+x 
print plus 
print plus.shape 
labels_one_hot.flat[plus]=1 

Answer 1

、POは公式source codeをチェックアウトし、MNISTデータを扱うTensorflowから例に言及していました。

labels_denseは、それぞれがクラス識別子である要素を格納することになっているnumpy配列です（0は「0」とラベル付けされたイメージを表し、9は「9」とラベル付けされたイメージを表します）。独自のコードでは

In [20]: labels # same as labels_dense 
Out[20]: array([7, 2, 1, ..., 4, 5, 6], dtype=uint8) 

、あなたが正しいサイズでlabels_denseを生成しますが、間違った方法：ここで

は、デフォルトのテストデータラベルがどのように見えるかです

In [34]: labels_dense 
Out[34]: array([ 0, 1, 2, ..., 474997, 474998, 474999]) 

あなたが参照してください？私はあなたのコードがうまくいかなかったことを嬉しく思っています。そうでなければ、0.5M * 0.5M〜50Bの細胞を作るかもしれません...

残りのコードはかなり簡単ですが、どのようにlabels_one_hot.flat[index_offset + labels_dense.ravel()] = 1が動作するかを示す中間ステップ。また、475Kのレコードを使用する代わりに、3レコードを使用してそのアイデアを証明することをお勧めします。あなたがnumpyのか、一般的にも、Pythonの持つあなたの質問にラベルを付ける場合

In [35]: labels_dense = labels[:3] 
In [36]: labels_dense 
Out[36]: array([7, 2, 1], dtype=uint8) 
In [37]: num_classes = 10 
In [38]: num_labels = labels_dense.shape[0] 
In [39]: index_offset = np.arange(num_labels) * num_classes 
In [40]: index_offset 
Out[40]: array([ 0, 10, 20]) 
In [41]: labels_one_hot = np.zeros((num_labels, num_classes)) 
In [42]: labels_one_hot 
Out[42]: 
array([[ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.], 
     [ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.], 
     [ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]]) 
In [43]: index_offset + labels_dense.ravel() 
Out[43]: array([ 7, 12, 21]) 
In [44]: labels_one_hot.flat[index_offset + labels_dense.ravel()] = 1 
In [45]: labels_one_hot 
Out[45]: 
array([[ 0., 0., 0., 0., 0., 0., 0., 1., 0., 0.], 
     [ 0., 0., 1., 0., 0., 0., 0., 0., 0., 0.], 
     [ 0., 1., 0., 0., 0., 0., 0., 0., 0., 0.]]) 

また、この段階では、あなたのコードは、まったくTensorflowとは何の関係もありません、あなたはより速く、おそらくより良い助けを得るでしょう。

参考：flat、ravel、arange、zeros