Python 如何将sigmoid激活功能输出转换为0和1？

我有以下数组：

array([8.1837177e-05, 1.0788739e-03, 4.4837892e-03, 3.4919381e-04, 7.6085329e-05, 7.6562166e-05, 5.3864717e-04, 5.4001808e-04,  3.3849746e-02, 2.9903650e-04], dtype = float32)

我想将其转换为：

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

我需要找到行的最大值，将其替换为1。然后，将该行的其他9个值替换为0

---

我需要对2D数组（一系列类似于示例中的数组）执行此操作。

使用

np。其中
与
max
结合使用：

a = np.array([8.1837177e-05, 1.0788739e-03, 4.4837892e-03, 3.4919381e-04, 7.6085329e-05, 7.6562166e-05, 5.3864717e-04, 5.4001808e-04,  3.3849746e-02, 2.9903650e-04])

np.where(a == a.max(), 1, 0)

输出：

array([0, 0, 0, 0, 0, 0, 0, 0, 1, 0])

在2D情况下，我们取每行的最大值：

np.where(a == a.max(axis=1)[:, np.newaxis], 1, 0)

也就是说，我觉得keras应该有一些内置的东西来为你做这件事。
你可以使用如下列表：

x = [5,6,7,8,9]
y = [1 if num == max(x) else 0 for num in x]

x=数组（[1,2,3,4]）
x=np。其中（x==max（x），1，0）#将max替换为1，其他替换为0

这将产生：

array([0, 0, 0, 1])

对于二维阵列，可以执行以下操作：

x=array（[[0,3,4,5]，
[1, 2, 3, 1],
[6, 9, 1, 2]])
x=np.array（[np.where（l==max（l），1，0）表示x中的l]）

这将产生：

array([[0, 0, 0, 1],
       [0, 0, 1, 0],
       [0, 1, 0, 0]])`



有关使用numpy.where的详细信息
如果您愿意，可以在tensorflow中执行此操作
此方法需要两行代码，但它避免了将每个数组元素与max进行比较，并且在2D中效果良好。我不知道它是否真的会更快（当然不是渐进式的），但我认为两行代码比在python中为2D执行for循环要好，并且可读性可能比使用
np.where
要好

将numpy导入为np
#这是您的示例输入
#注意-即使只有一行，输入也必须是2D
#将其应用于1D情况很容易，但无论如何，您将使用2D阵列
class_probs=np.array([[
8.1837177e-05、1.0788739e-03、4.4837892e-03、3.4919381e-04、7.6085329e-05、，
7.6562166e-05、5.3864717e-04、5.4001808e-04、3.3849746e-02、2.9903650e-04、，
]])
pred_类=np.类零（类问题）
pred_类[范围（len（class_probs）），class_probs.argmax（-1）]=1
打印（pred_类）#[[0.0.0.0.0.0.0.0.0.1.0.]]
#这里显示的是同样的代码适用于多行
class_probs=np.rand.rand（100,10）
pred_类=np.类零（类问题）
pred_类[范围（len（class_probs）），class_probs.argmax（-1）]=1
pred_类

（这不是你真正的问题，但你是想使用sigmoid激活函数吗？而不是softmax？这里得到的输出不是10个可能类的单一分布（你可以看到它甚至没有标准化）。相反，你有10个分布，每个类一个（因此，输入为0类的概率为
8.1837177e-05
，而非0类的概率为
1-8.1837177e-05
）。这在进行多标签分类时是有意义的（其中可以应用多个标签），但您不希望找到概率最高的类，您应该预测概率高于阈值（例如0.5）的所有类。）
这是最优雅的方式谢谢你，但是数组是2D的。那么我如何才能让它工作？@gmds你的问题是关于numpy数组上的一个简单操作，你给我们提供了一些更详细的信息，这让我们很难阅读。我建议你尽可能简单。我从结果中知道它在numpy数组中是可行的，但我想知道是否有一个内置的keras激活函数，可以在不进行编码的情况下自行找到最大值。如果您的问题是keras函数是否会这样做，您应该这样说。但是，如果您有numpy数组，我不明白为什么您使用的函数来自keras还是numpy会有关系。