tf.keras.layers.experimental.preprocessing.CategoryEncoding

Слой категориального кодирования.

tf.keras.layers.experimental.preprocessing.CategoryEncoding(
    max_tokens=None, output_mode=BINARY, sparse=False, **kwargs
)

Этот слой предоставляет варианты сжатия данных в категориальное кодирование. Он принимает целочисленные значения в качестве входных данных и выводит плотное представление (один образец = тензор с 1 индексом из значений с плавающей точкой, представляющий данные о токенах образца) этих входных данных.

Примеры:

layer = tf.keras.layers.experimental.preprocessing.CategoryEncoding(
          max_tokens=4, output_mode="count")
layer([[0, 1], [0, 0], [1, 2], [3, 1]])
<tf.Tensor: shape=(4, 4), dtype=float32, numpy=
  array([[1., 1., 0., 0.],
         [2., 0., 0., 0.],
         [0., 1., 1., 0.],
         [0., 1., 0., 1.]], dtype=float32)>

Примеры со взвешенными входными данными:

layer = tf.keras.layers.experimental.preprocessing.CategoryEncoding(
          max_tokens=4, output_mode="count")
count_weights = np.array([[.1, .2], [.1, .1], [.2, .3], [.4, .2]])
layer([[0, 1], [0, 0], [1, 2], [3, 1]], count_weights=count_weights)
<tf.Tensor: shape=(4, 4), dtype=float64, numpy=
  array([[0.1, 0.2, 0. , 0. ],
         [0.2, 0. , 0. , 0. ],
         [0. , 0.2, 0.3, 0. ],
         [0. , 0.2, 0. , 0.4]])>

Аргументы вызова:

inputs: Двухмерный тензор (samples, timesteps).
count_weights: Двухмерный тензор с такой же формой, как inputs , указывающий на вес каждого значения образца при суммировании в режиме count. Не используется в режимах binary или tfidf.

Атрибуты
`max_tokens`	Максимальный размер словаря для этого слоя. Если None, размер словаря не ограничен.
`output_mode`	Спецификация для вывода слоя. По умолчанию "binary". Значения могут быть "binary", "count" или "tf-idf", настраивая слой следующим образом: "binary": Выводит один целочисленный массив на пакет, размером vocab_size или max_tokens, содержащий 1 в каждом элементе, где токен, сопоставленный с этим индексом, встречается хотя бы один раз в элементе пакета. "count": Как "binary", но целочисленный массив содержит количество раз, которое токен в этом индексе появился в элементе пакета. "tf-idf": Как "binary", но применяется алгоритм TF-IDF для поиска значения в каждом слоте токена.
`sparse`	Булево значение. Если True, возвращает `SparseTensor` вместо плотного `Tensor`. По умолчанию `False`.

Методы

`adapt`

Посмотреть исходный код

adapt(
    data, reset_state=True
)

Подстраивает состояние слоя предварительной обработки к набору данных.

Переопределяет метод adapt по умолчанию, чтобы применить соответствующую предварительную обработку к входам перед передачей в комбинировщик.

Аргументы
`data`	Данные для обучения. Их можно передать либо как tf.data Dataset, либо как массив NumPy.
`reset_state`	Необязательный аргумент, указывающий, нужно ли очистить состояние слоя в начале вызова `adapt`. Для данного слоя это должно быть True, так как он не поддерживает повторные вызовы `adapt`.

Исключения
`RuntimeError`	если слой нельзя подстроить в данный момент.

`set_num_elements`

Посмотреть исходный код

set_num_elements(
    num_elements
)

`set_tfidf_data`

Посмотреть исходный код

set_tfidf_data(
    tfidf_data
)

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.3/api_docs/python/tf/keras/layers/experimental/preprocessing/CategoryEncoding