給出錯誤的索引

Question

我想通過以下函數來理解一個熱表示。我已經打印了這個函數的每一行。但是，我只是在索引超出限制的最後一行發生錯誤。我無法理解原因。我該如何解決這個問題？

def dense_to_one_hot(labels_dense, num_classes): 
    num_labels = labels_dense.shape[0] 
    index_offset = np.arange(num_labels) * num_classes 
    labels_one_hot = np.zeros((num_labels, num_classes)) 
    labels_one_hot.flat[index_offset + labels_dense.ravel()] = 1 
    return labels_one_hot 

labels_dense = np.arange(475000) 
print labels_dense.shape 
num_classes=10 
num_labels = labels_dense.shape[0] 
print num_labels 
index_offset = np.arange(num_labels) * num_classes 
print index_offset 
print len(index_offset) 
print 'index offset is '+str(index_offset.shape) 
labels_one_hot = np.zeros((num_labels, num_classes)) 
print labels_one_hot.shape 
x= labels_dense.ravel() 
print x 
print x.shape 
plus= index_offset+x 
print plus 
print plus.shape 
labels_one_hot.flat[plus]=1 

Answer 1

對於其他情況下，PO指的是從一個Tensorflow的例子有MNIST數據時，檢查出的官方source code。

labels_dense是一個numpy數組，應該存儲元素，其中每個元素都是類標識符（如0表示標記爲「零」的圖像，9表示標記爲「9」的圖像）。

這是默認的測試數據標籤看起來怎麼樣：

In [20]: labels # same as labels_dense 
Out[20]: array([7, 2, 1, ..., 4, 5, 6], dtype=uint8) 

在自己的代碼，你在正確的大小產生labels_dense，但走錯了路：

In [34]: labels_dense 
Out[34]: array([ 0, 1, 2, ..., 474997, 474998, 474999]) 

你明白嗎？我很高興你的代碼沒有工作，否則，它可能會創建一個0.5M * 0.5 M〜50B的單元...唷..

其餘的代碼很簡單，但我只是想添加更多一點介紹labels_one_hot.flat[index_offset + labels_dense.ravel()] = 1如何工作的中間步驟。另外，我不建議使用475K記錄，而是建議使用3條記錄來證明這個想法。

In [35]: labels_dense = labels[:3] 
In [36]: labels_dense 
Out[36]: array([7, 2, 1], dtype=uint8) 
In [37]: num_classes = 10 
In [38]: num_labels = labels_dense.shape[0] 
In [39]: index_offset = np.arange(num_labels) * num_classes 
In [40]: index_offset 
Out[40]: array([ 0, 10, 20]) 
In [41]: labels_one_hot = np.zeros((num_labels, num_classes)) 
In [42]: labels_one_hot 
Out[42]: 
array([[ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.], 
     [ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.], 
     [ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]]) 
In [43]: index_offset + labels_dense.ravel() 
Out[43]: array([ 7, 12, 21]) 
In [44]: labels_one_hot.flat[index_offset + labels_dense.ravel()] = 1 
In [45]: labels_one_hot 
Out[45]: 
array([[ 0., 0., 0., 0., 0., 0., 0., 1., 0., 0.], 
     [ 0., 0., 1., 0., 0., 0., 0., 0., 0., 0.], 
     [ 0., 1., 0., 0., 0., 0., 0., 0., 0., 0.]]) 

而且，在這個階段，您的代碼無關Tensorflow可言，如果你用的標籤或numpy的甚至Python的一般你的問題，你會得到幫助更快，可能會更好。

參考：flat，ravel，arange，zeros