TensorFlow 多标签转化为one-hot

import tensorflow as tf

def main():
    NUM_CLASSES = 2  # 2分类
    labels = [0, 1, 1, 0, 1, 0, 1, 0]  # sample label
    batch_size = tf.size(labels)  # get size of labels : 8
    labels = tf.expand_dims(labels, 1)  # 增加一个维度
    indices = tf.expand_dims(tf.range(0, batch_size, 1), 1)  # 生成索引
    concated = tf.concat([indices, labels], 1)  # 作为拼接
    bs_nc = tf.stack([batch_size, NUM_CLASSES]) # 拼接矩阵 [8 2]
    onehot_labels = tf.sparse_to_dense(concated, bs_nc, 1.0, 0.0)  # 生成one-hot编码的标签

    with tf.Session() as sess:
        onehot_labels = sess.run(onehot_labels)
        print(onehot_labels)



    '''
    tf.sparse_to_dense的解释 4个参数
    第一个参数 矩阵中元素对应的索引和值  例子中对应concated [[0 0],[1 1],[2 1],[3 0],[4 1],[5 0],[6 1],[7 0]]
    第二个参数 输出矩阵的shape  对应bs_nc [8 2]
    第三个参数 指定元素值为1.0
    第四个参数 其余元素值为0.0
    '''


if __name__ == '__main__':
    main()

运行结果

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