tf.one_hot编码的用法以及one-hot自己编码

tf.one_hot编码的用法

最近想将之前用普通机器学习做的一个项目，用三层的全连接神经网络跑一遍，在做label时候，需要将（0,1）这两种label转为one-hot编码，因此探究了一下tf.one_hot的用法。

tf.one_hot(indices, depth, on_value=None, off_value=None, axis=None, dtype=None, name=None)

indices： 是一个矩阵，可以是一维的矩阵（居多），也可以是多维的

depth：要输出的one-hot编码的tensor的列的维度，比如说输入的是（1800,）的一维矩阵，depth是3，其会输出[1800,3]的shape的tensor

on_value:默认是1，可以自己指定，就是将one-hot编码的那个‘1’换成了你所指定的数字

off_value:默认是0，可以自己指定，就是将one-hot编码的那个‘0’换成了你所指定的数字

axis:默认是-1，一般我们就默认好了，符合直觉，具体用法：

If indices is a vector of length features（看作是样本个数，就是上面的1800）, the output shape will be:
features x depth if axis == -1
depth x features if axis == 0
If indices is a matrix (batch) with shape [batch, features]（有不同组的样本）, the output shape will be:
batch x features x depth if axis == -1
batch x depth x features if axis == 1
depth x batch x features if axis == 0

dtype:默认是tf.float32

官方提供的例子：

   indices = [0, 1, 2]
   depth = 3
   tf.one_hot(indices, depth)  # output: [3 x 3]
   # [[1., 0., 0.],
   #  [0., 1., 0.],
   #  [0., 0., 1.]]
   
   indices = [0, 2, -1, 1]
   depth = 3
   tf.one_hot(indices, depth,
              on_value=5.0, off_value=0.0,
              axis=-1)  # output: [4 x 3]
   # [[5.0, 0.0, 0.0],  # one_hot(0)
   #  [0.0, 0.0, 5.0],  # one_hot(2)
   #  [0.0, 0.0, 0.0],  # one_hot(-1)
   #  [0.0, 5.0, 0.0]]  # one_hot(1)
   
   indices = [[0, 2], [1, -1]]
   depth = 3
   tf.one_hot(indices, depth,
              on_value=1.0, off_value=0.0,
              axis=-1)  # output: [2 x 2 x 3]
   # [[[1.0, 0.0, 0.0],   # one_hot(0)
   #   [0.0, 0.0, 1.0]],  # one_hot(2)
   #  [[0.0, 1.0, 0.0],   # one_hot(1)
   #   [0.0, 0.0, 0.0]]]  # one_hot(-1)

自己试验一下发现，这个one-hot编码是从0开始的编码，即使你的label里面没有0，比如说是从(1,2）的label，那它也只会从0开始编码，这个需要特别注意到：

>>> indices = [