如何在tensorflow中为导入的图像手动创建标签列表

假设只有2个类，批量大小为2，logits是[2,2]张量，我如何制作

“onehot”

变量列表，其中包含一个热编码标签，如图像0,1,2.jpg的[1,0]，以及图像3,4.jpg的[0,1]。非常感谢：）

如果您知道需要

标签=[1,1,1,0,0]

，只需使用

tf.one\u热（标签，深度=2）

结果为一个热标签的张量：

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

注：将

1

放入第一次输入所指示的索引中。还要注意，这是一个张量，所以如果你在笔记本上运行它，然后尝试打印张量，你会得到如下结果：

直到对它进行评估，它才接受上面所示的值，但TensorFlow就是这样做的

因此，如果批处理大小为2，则每个培训步骤将向网络中提供两个标签，然后将这些标签（在培训步骤中或在网络中）转换为一个热标签。我会这样做：

labels=tf.placeholder（tf.int32，[None]）#“None”表示它有一个由批大小决定的维度
# ... 定义您的网络。。。
损耗op=tf.nn.softmax\u交叉熵与logits（logits=logits，
标签=tf.1_热（标签））
损失率=tf.减少平均值（损失率）

然后在培训过程中：

用于范围内的（数值）：
d=#生成数据批处理
t=#生成标签批处理，例如前两个图像的[1,1]
_，批次损耗=连续运行（[列车运行，损耗运行]，
feed_dict={data:d，labels:t}）

如果您知道需要

标签=[1,1,1,0,0]

，只需使用

tf.one\u热（标签，深度=2）

结果为一个热标签的张量：

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

注：将

1

放入第一次输入所指示的索引中。还要注意，这是一个张量，所以如果你在笔记本上运行它，然后尝试打印张量，你会得到如下结果：

直到对它进行评估，它才接受上面所示的值，但TensorFlow就是这样做的

因此，如果批处理大小为2，则每个培训步骤将向网络中提供两个标签，然后将这些标签（在培训步骤中或在网络中）转换为一个热标签。我会这样做：

labels=tf.placeholder（tf.int32，[None]）#“None”表示它有一个由批大小决定的维度
# ... 定义您的网络。。。
损耗op=tf.nn.softmax\u交叉熵与logits（logits=logits，
标签=tf.1_热（标签））
损失率=tf.减少平均值（损失率）

然后在培训过程中：

用于范围内的（数值）：
d=#生成数据批处理
t=#生成标签批处理，例如前两个图像的[1,1]
_，批次损耗=连续运行（[列车运行，损耗运行]，
feed_dict={data:d，labels:t}）

如果您的输入数组是NumPy数组，则可以使用

np.eye

：

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))

---

结果是：[[0.1.]、[0.1.]、[0.1.]、[1.0.]、[1.0.]

如果您的输入数组是一个NumPy数组，则可以使用

np.eye

：

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))

---

结果是：[[0.1.]、[0.1.]、[0.1.]、[1.0.]、[1.0.]

感谢您的回复，我已经尝试过了，但正如我所说，logits变量形状是[2,2]，您的解决方案将生成[5,2]的一个热形状。它正在抛出一个错误值error:两个形状中的维度0必须相等，但对于输入形状为[2,2]，[5,2]的“SoftmaxCrossEntropyWithLogits”（op:“SoftmaxCrossEntropyWithLogits”）而言，维度0为2和5。我遗漏了什么吗？不可能，只要将特定批次的标签输入网络即可。我将更新答案以反映这一点。@yinyang我更新的目的是展示如何以我认为您想要的方式使用它。我没有运行此操作，因此您可能会从占位符的定义中得到标注错误。如果是这样，请尝试

tf.placeholder（tf.int32，[None]）

。感谢您的回复，我已经尝试过了，但正如我所说的，logits变量形状是[2,2]，您的解决方案将使[5,2]成为一个热形状。它正在抛出一个错误值error:两个形状中的维度0必须相等，但对于输入形状为[2,2]，[5,2]的“SoftmaxCrossEntropyWithLogits”（op:“SoftmaxCrossEntropyWithLogits”）而言，维度0为2和5。我遗漏了什么吗？不可能，只要将特定批次的标签输入网络即可。我将更新答案以反映这一点。@yinyang我更新的目的是展示如何以我认为您想要的方式使用它。我没有运行此操作，因此您可能会从占位符的定义中得到标注错误。如果是这样，请尝试使用

tf.placeholder（tf.int32[None]）

。