如何深入理解Keras中to_categorical函数的运用？
- 内容介绍
- 文章标签
- 相关推荐
本文共计482个文字，预计阅读时间需要2分钟。
以下是对伪原创内容的简化
plaintext函数 `to_categorical(y, num_classes=None, dtype='float32')` 用于将整数标签转换为one-hot编码。`y` 是整数标签数组，`num_classes` 是标签类别总数。如果 `num_classes` 为 `None`，则自动计算类别数。返回值是one-hot编码后的数组。
如下所示：
to_categorical(y, num_classes=None, dtype='float32')
将整型标签转为onehot。y为int数组，num_classes为标签类别总数，大于max(y)（标签从0开始的）。
返回：如果num_classes=None，返回len(y) * [max(y)+1]（维度，m*n表示m行n列矩阵，下同），否则为len(y) * num_classes。说出来显得复杂，请看下面实例。
本文共计482个文字，预计阅读时间需要2分钟。
以下是对伪原创内容的简化
plaintext函数 `to_categorical(y, num_classes=None, dtype='float32')` 用于将整数标签转换为one-hot编码。`y` 是整数标签数组，`num_classes` 是标签类别总数。如果 `num_classes` 为 `None`，则自动计算类别数。返回值是one-hot编码后的数组。
如下所示：
to_categorical(y, num_classes=None, dtype='float32')
将整型标签转为onehot。y为int数组，num_classes为标签类别总数，大于max(y)（标签从0开始的）。
返回：如果num_classes=None，返回len(y) * [max(y)+1]（维度，m*n表示m行n列矩阵，下同），否则为len(y) * num_classes。说出来显得复杂，请看下面实例。