tensorflow2.0 one_hot()函数

转载自@Dymc的博客tensorflow2.0之one_hot函数使用

one_hot()函数的主要功能是将张量转换成one_hot（独热）类型的张量输出。

使用语法

one_hot(
	indices,		#输入的tensor，在深度学习中一般是给定的labels，通常是数字列表，属于一维输入输入，也可是多维
	depth,			#一个标量，用于定义one hot维度的深度
	on_value=None,		#定义在indices[j] = i 时填充输出的值的标量，默认为1
	off_value=None,			#定义在indices[j] !=i 时填充输出的值的标量，默认为0
	axis=-1,			#要填充的轴，默认为-1，即一个新的最内层轴
	dtype=None,			#默认为int32
	name=None
)

简单看个例子，理解一下上面的语法：

import tensorflow as tf
labels = [0, 6, 5, 4, 2]
res = tf.one_hot(
	indices=labels,
	depth=10,
	on_value=1,
	off_value=0,
	axis=-1
	)
print(res)

输出结果：

tf.Tensor(
[[1 0 0 0 0 0 0 0 0 0]
 [0 0 0 0 0 0 1 0 0 0]
 [0 0 0 0 0 1 0 0 0 0]
 [0 0 0 0 1 0 0 0 0 0]
 [0 0 1 0 0 0 0 0 0 0]], shape=(5, 10), dtype=int32)

可以看到张量res的形状为$5\ast 10(5\ast depth)$，并且
res[0][0] = 1
res[1][6] = 1
res[2][5] = 1
res[3][4] = 1
res[4][2] = 1
其余均为0。
indices用来确定生成的张量中哪些位置为on_value。
axis的取值不同会影响输出的shape结构。主要有以下几种情况：

axis	indices为向量	indices 为矩阵
-1	n * depth	w * h * depth
0	depth * n	depth * w * h
1		w * depth * h