Python keras后端proba到分类

我正在使用keras后端构建一个自定义度量。第一步是将概率张量（softmax的输出）转换为分类数据 e、 g:

给予

我想得到：

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

我找到了K.argmax函数，但不知道如何使用它替换张量中的值

max_index = K.cast(K.argmax(y_pred, 1), "int32")
lol_index = K.arange(y_pred.shape[0], dtype="int32")
y_pred[index, max_index]

给出：

ValueError: Shape must be rank 1 but is rank 2 for 'strided_slice_32' (op: 'StridedSlice') with input shapes: [4,3], [2,4], [2,4], [2].

---

好的，经过一些研究，我找到了我的解决方案：

K.one_hot(K.argmax(y_pred), 3)

---

这里有类似的线索：这已经得到了回答，尽管是针对不同的问题，这里：我说的是keras后端，它与numpy不同。

K.round

有效吗？是的，但仅适用于这种特殊情况。如果你有0.4，0.4，0.2，你会在任何地方得到0。

ValueError: Shape must be rank 1 but is rank 2 for 'strided_slice_32' (op: 'StridedSlice') with input shapes: [4,3], [2,4], [2,4], [2].

K.one_hot(K.argmax(y_pred), 3)