numpy 中矩阵的单热表示
One-hot representation of a matrix in numpy
从值矩阵到 3d 张量中同一事物的一个热表示的 easiest/smartest 方法是什么？例如，如果矩阵是张量中 argmax 之后的索引，例如：
indices=numpy.argmax(mytensor,axis=2)
其中张量是 3D [x,y,z]，索引自然是 [x,y]。现在你想转到一个 3D [x,y,z] 张量，它在 axis=2 的 maxes 位置有 1s，在任何其他地方有 0。
P.S。我知道向量到 1-hot 矩阵的答案，但这是 1-hot 张量的矩阵。
使用的完美设置之一 broadcasting -
indices[...,None] == np.arange(mytensor.shape[-1])
如果您需要 0s 和 1s 的整数，请附加 .astype(int)
从值矩阵到 3d 张量中同一事物的一个热表示的 easiest/smartest 方法是什么？例如，如果矩阵是张量中 argmax 之后的索引，例如：
indices=numpy.argmax(mytensor,axis=2)
其中张量是 3D [x,y,z]，索引自然是 [x,y]。现在你想转到一个 3D [x,y,z] 张量，它在 axis=2 的 maxes 位置有 1s，在任何其他地方有 0。
P.S。我知道向量到 1-hot 矩阵的答案，但这是 1-hot 张量的矩阵。
使用的完美设置之一 broadcasting -
indices[...,None] == np.arange(mytensor.shape[-1])
如果您需要 0s 和 1s 的整数，请附加 .astype(int)