Python tensorflow TFK-hot编码

我正在尝试按照本教程创建TFRecord格式的训练数据集：用于API检测

---

但是，我希望使用k-hot编码，而不是使用一个热编码。例如，我可以使用[0 1 0 1 0]so多重分类，而不是使用[0 0 1 0]标签。我想知道如何使用TFRecord格式来实现这一点。如果使用2-hot编码，是否必须创建两个

tf.train.example

？（使用两次相同的bouding box坐标）还是有其他方法？（例如使用

'image/object/class/text'：dataset_util.bytes_list_feature（classes_text）

，以及

'image/object/class/text2'：dataset_util.bytes_list_feature（classes_text2））

？

如果有[0,1,2]和10个类这样的标签列表，您需要

def int64_feature(value):
    if type(value) != list:
        value = [value]
    return tf.train.Feature(int64_list=tf.train.Int64List(value=value))

然后将标签作为特性之一传递给tf.Example

'label': int64_feature(label)

之后，当您在培训期间解析数据集时，您可以像这样分解标签：

tf.reduce_max(tf.one_hot(labels, num_classes, dtype=tf.int32), axis=0)

给

[1 1 1 0 0 0 0 0 0 0]