如何使用keras处理多类分类中的字符串标签？

我是机器学习和keras的新手，现在正在使用keras处理多类图像分类问题。输入的是带标签的图像。经过一些预处理后，训练数据在Python列表中表示为：

[["dog", "path/to/dog/imageX.jpg"],["cat", "path/to/cat/imageX.jpg"], ["bird", "path/to/cat/imageX.jpg"]]

“狗”，“猫”和“鸟”是类标签。我认为应该使用一站式编码解决此问题，但是我对如何处理这些字符串标签不是很清楚。我已经尝试过sklearn的LabelEncoder（）：

encoder = LabelEncoder()
trafomed_label = encoder.fit_transform(["dog", "cat", "bird"])
print(trafomed_label)

输出是[2 1 0]，这与我对[[1,0,0]，[0,1,0]，[0,0,1]]之类的东西的期望输出不同。可以通过一些编码来完成，但是我想知道是否有某种“标准”或“传统”方式来处理它？

Sklearn的LabelEncoder模块查找所有类并为每个类分配一个从0开始的数字ID。这意味着，无论您的类表示形式在原始数据集中是什么，您现在都可以通过一种简单一致的方式来表示每个类。它不会进行一键编码，尽管您可以正确识别它很接近，并且可以使用这些ID来快速生成其他代码中的一键编码。

如果您想使用一键编码，则可以使用LabelBinarizer。这非常相似：

 from sklearn.preprocessing import LabelBinarizer
 encoder = LabelBinarizer()
 transfomed_label = encoder.fit_transform(["dog", "cat", "bird"])
 print(transfomed_label)

输出：

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