【TensorFlow】【API】tf.one_hot()函数讲解

1.作用

⭐️ 对指定张量，进行one-hot编码，这一编码可以指定编码的维度（与传统的one-hot编码不同，传统的向量的长度取决于张量的维度数）

---

2.参数详解

⭐️ API形式如下

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

⭐️ 参数说明如下表：

参数名	说明
indices	要映射的张量
depth	映射出来的维度
on_value	符合时的值
off_value	不符合时的值
axis	要填充的维度
dtype	输出张量的数据类型
name	为这一操作取个名字，一般为None

⭐️ 返回值： one-hot之后的张量

⭐️ 错误如下表：

错误代码	说明
TypeError	如果on_value或off_value的dtype不匹配dtype
TypeError	如果on_value和off_value的dtype不匹配dtype

---

3.举例

⭐️ 传统one-hot编码，代码如下：

a = [1, 2, 3, 4, 5]
b = tf.one_hot(a, depth=len(a))
print(b)

# 输出结果为
tf.Tensor(
[[0. 1. 0. 0. 0.]
 [0. 0. 1. 0. 0.]
 [0. 0. 0. 1. 0.]
 [0. 0. 0. 0. 1.]
 [0. 0. 0. 0. 0.]], shape=(5, 5), dtype=float32)

⭐️ 张量A 映射成 4维one-hot， 代码如下：

a = [1, 2, 3, 4, 5]
b = tf.one_hot(a, depth=4)
print(b)

# 输出结果为
tf.Tensor(
[[0. 1. 0. 0.]
 [0. 0. 1. 0.]
 [0. 0. 0. 1.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]], shape=(5, 4), dtype=float32)

⭐️ 设置on_value、 off_value 和 dtype

a = [1, 2, 3, 4, 5]
b = tf.one_hot(a, depth=5, on_value=5, off_value=1, dtype="float16")
print(b)

# 输出结果为
tf.Tensor(
[[1. 5. 1. 1. 1.]
 [1. 1. 5. 1. 1.]
 [1. 1. 1. 5. 1.]
 [1. 1. 1. 1. 5.]
 [1. 1. 1. 1. 1.]], shape=(5, 5), dtype=float16)

⭐️ 指定映射维度axis

a = [[1, 2, 3, 4, 5], [1, 2, 3, 4, 5]]
b = tf.one_hot(a, depth=5,axis=1, dtype="float16")
print(b)

# 输出结果为
tf.Tensor(
[[[0. 0. 0. 0. 0.]
  [1. 0. 0. 0. 0.]
  [0. 1. 0. 0. 0.]
  [0. 0. 1. 0. 0.]
  [0. 0. 0. 1. 0.]]

 [[0. 0. 0. 0. 0.]
  [1. 0. 0. 0. 0.]
  [0. 1. 0. 0. 0.]
  [0. 0. 1. 0. 0.]
  [0. 0. 0. 1. 0.]]], shape=(2, 5, 5), dtype=float16)

---

4.总结

⭐️ 在缩小映射维度时，有些数据并不能用one-hot进行表征

⭐️ 在指定映射维度时，要注意想要映射的维度，以免造成意想不到的结果

---

5.参考资料

📗 1. 官方说明文档： tf.one_hot