Tensorflo学习笔记——tf.one_hot()

one-hot encoding

one-hot encoding 一般是在有监督学习中对数据集进行标注时使用的，指的是在分类中，将存在数据类别的那一类用X表示，不存在的用Y表示，这里的X常常是1， Y常常是0。
举个例子：
比如我们有一个5分类问题，我们有数据$(X_i,Y_i)$，其中类别$Y_i$有5种取值，所以如果所以如果$Y_j$为第一类那么其独热编码为： [1,0,0,0,0]，如果是第二类那么独热编码为：[0,1,0,0,0]，也就是说只对存在有该类别的数的位置上进行标记为1，其他皆为0。这个编码方式经常用于多分类问题，特别是损失函数为交叉熵函数的时候。

tf.one_hot()

tf.one_hot(
	indices, #输入，这里是一维的
	depth, #one hot dimension
	on_value=None, #默认1
	off_value=None, #默认0
	axis=None,
	dtype=None,
	name=None
)

需要指定indices和depth，其中depth是编码深度，on_value和off_policy相当于编码后开闭值，如同我们刚才描述的X和Y值，需要和dtype相同类型（指定了dtype的情况下），axis指定编码的轴。
实例：

import tensorflow as tf
var0 = tf.one_hot(indices=[1, 2, 3], depth=3, axis=0)
var1 = tf.one_hot(indices=[1, 2, 3], depth=4, axis=0)
var2 = tf.one_hot(indices=[1, 2, 3], depth=4, axis=1)
var3 = tf.one_hot(indices=[1, 2, 3], depth=4, axis=-1)

with tf.Session()  as sess:
	sess.run(tf.global_variable_initializer())
	a0 = sess.run(var0)
	a1 = sess.run(var1)
	a2 = sess.run(var2)
	a3 = sess.run(var3)
    print("var0(axis=0 depth=3)\n",a0)
    print("var1(axis=0 depth=4P)\n",a1)
    print("var2(axis=1)\n",a2)
    print("var3(axis=-1)\n",a3)

输出：

Reference:
https://www.jianshu.com/p/c5b4ec39713b