tensorflow TFRecord k-hot 编码

【问题标题】：tensorflow TFRecord k-hot encodingtensorflow TFRecord k-hot 编码
【发布时间】：2018-05-20 12:15:24
【问题描述】：

我正在尝试按照本教程使用 TFRecord 格式创建我的训练数据集：https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/using_your_own_dataset.md 用于 API 检测。

但是，我想使用 k-hot 编码，而不是使用一种热编码。例如，我可以使用 [0 1 0 1 0] 来进行多分类，而不是使用 [0 0 0 1 0] 标签。我想知道如何使用 TFRecord 格式来做到这一点。如果我使用 2-hot 编码，我是否必须创建两个 tf.train.example ？（使用两次相同的边界框坐标）还是有其他方法？（例如使用 'image/object/class/text': dataset_util.bytes_list_feature(classes_text) 和 'image/object/class/text2': dataset_util.bytes_list_feature(classes_text2)) ？

【问题讨论】：

标签： python tensorflow tfrecord

【解决方案1】：

鉴于您有一个标签列表，例如 [0, 1, 2] 和 10 个类，您需要

def int64_feature(value):
    if type(value) != list:
        value = [value]
    return tf.train.Feature(int64_list=tf.train.Int64List(value=value))

然后你将标签作为特征之一传递给 tf.Example

'label': int64_feature(label)

之后，当您在训练期间解析数据集时，您可以像这样对标签进行解码：

tf.reduce_max(tf.one_hot(labels, num_classes, dtype=tf.int32), axis=0)

这给了

[1 1 1 0 0 0 0 0 0 0]

【讨论】：