如何將S型激活函數輸出轉換為0和1？

Question

我有以下數組：

array([8.1837177e-05, 1.0788739e-03, 4.4837892e-03, 3.4919381e-04, 7.6085329e-05, 7.6562166e-05, 5.3864717e-04, 5.4001808e-04,  3.3849746e-02, 2.9903650e-04], dtype = float32)

我想將其轉換為：

array([0, 0, 0, 0, 0, 0, 0, 0, 1, 0], dtype = float32)

我需要找到該行的最大值，將其替換為1。然后，將該行的其他9個值替換為0。

我需要針對2D數組（一系列類似於示例中的數組）完成此操作

Answer 1

將np.where與max結合使用：

a = np.array([8.1837177e-05, 1.0788739e-03, 4.4837892e-03, 3.4919381e-04, 7.6085329e-05, 7.6562166e-05, 5.3864717e-04, 5.4001808e-04,  3.3849746e-02, 2.9903650e-04])

np.where(a == a.max(), 1, 0)

輸出：

array([0, 0, 0, 0, 0, 0, 0, 0, 1, 0])

在2D情況下，我們采用每一行的最大值：

np.where(a == a.max(axis=1)[:, np.newaxis], 1, 0)

就是說，我覺得keras應該內置一些東西來為您做...

Answer 2

您可以像這樣使用列表理解：

x = [5,6,7,8,9]
y = [1 if num == max(x) else 0 for num in x]

Answer 3

此方法占用兩行，但避免了將每個數組元素與最大值進行比較，並且在2D模式下效果很好。 我不知道它真的會更快（當然不是漸近地），但是我認為兩行代碼比在Python中為2D進行for循環要好，可讀性可能比使用np.where更好。

import numpy as np

# here's your example input
# note - the input must be 2D even if there's just one row
# it's easy to adapt this to the 1D case, but you'll be working with 2D arrays for this anyway
class_probs = np.array([[
    8.1837177e-05, 1.0788739e-03, 4.4837892e-03, 3.4919381e-04, 7.6085329e-05,
    7.6562166e-05, 5.3864717e-04, 5.4001808e-04, 3.3849746e-02, 2.9903650e-04,
]])
pred_classes = np.zeros_like(class_probs)
pred_classes[range(len(class_probs)), class_probs.argmax(-1)] = 1
print(pred_classes) # [[0. 0. 0. 0. 0. 0. 0. 0. 1. 0.]]

# and here's showing the same code works for multiple rows
class_probs = np.random.rand(100, 10)
pred_classes = np.zeros_like(class_probs)
pred_classes[range(len(class_probs)), class_probs.argmax(-1)] = 1
pred_classes

（這不是您的實際問題，但您是要使用S形激活函數嗎？不是softmax嗎？您在此處獲得的輸出不是在10種可能的類中的單一分布（您可以看到它甚至不是而是，您有10個分布，每個類別一個（因此，輸入為0類的概率為8.1837177e-05 ，而不是0類的概率為1 - 8.1837177e-05 ）。在進行多標簽分類時（可以應用多個標簽），但是當您不想找到具有最高概率的類別時，可以預測所有概率都高於閾值（例如0.5）的類別。

Answer 4

x = array([1, 2, 3, 4])


x = np.where(x == max(x), 1, 0) # will replace max with 1 and the others with 0

這將創建：

array([0, 0, 0, 1])

對於2D陣列，可以執行以下操作：

x = array([[0, 3, 4, 5],
           [1, 2, 3, 1],
           [6, 9, 1, 2]])

x = np.array([np.where(l == max(l), 1, 0) for l in x])

這將創建：

array([[0, 0, 0, 1],
       [0, 0, 1, 0],
       [0, 1, 0, 0]])`

• 有關使用numpy.where的更多信息， 請查看此
• 您可以根據需要在tensorflow中執行此操作， 請查看此答案