tf.one_hot( ) axis参数详细说明

最新推荐文章于 2022-07-05 12:40:17 发布

weixin_42713739

最新推荐文章于 2022-07-05 12:40:17 发布

阅读量1.4k

点赞数 3

分类专栏： tensorflow

本文链接：https://blog.csdn.net/weixin_42713739/article/details/103527651

版权

20 篇文章 5 订阅

订阅专栏

上原型：

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

indices: 代表了on_value所在的索引，其他位置值为off_value。类型为tensor，其尺寸与depth共同决定输出tensor的尺寸。

depth：编码深度。

on_value & off_value为编码开闭值，缺省分别为1和0，indices指定的索引处为on_value值；

axis：编码的轴，分情况可取-1、0或-1、0、1，默认为-1

dtype：默认为 on_value 或 off_value的类型，若未提供on_value或off_value，则默认为tf.float32类型。

返回一个 one-hot tensor。

当axis==0，输出尺寸为：depth * features

indices = [2,3,1,6]#长度为features=4的向量
dep = 3
asa = tf.one_hot(indices,dep,axis=0)
with tf.Session() as sess:
    print('hot: ', sess.run(asa))

结果为：

hot:  [[0. 0. 0. 0.]
 [0. 0. 1. 0.]
 [1. 0. 0. 0.]]

尺寸为3 * 4也就是：depth * features

当axis==-1，输出尺寸为：features * depth

indices = [2,3,1,6]#长度为features=4的向量
dep = 3
asa = tf.one_hot(indices,dep,axis=-1)
with tf.Session() as sess:
    print('hot: ', sess.run(asa))

结果为：

hot:  [[0. 0. 1.]
 [0. 0. 0.]
 [0. 1. 0.]
 [0. 0. 0.]]

尺寸为4 * 3也就是：features * depth

当axis = 1时，同axis = -1。

当axis==0，输出尺寸为：depth * batch * features，如下代码：

indices = [[2,3,4],[1,6,7]]#[2,3]的矩阵
dep = 4
asa = tf.one_hot(indices,dep,axis=0)
with tf.Session() as sess:
    print('hot: ', sess.run(asa))

输出结果:

hot:  [[[0. 0. 0.]
  [0. 0. 0.]]

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

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

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

尺寸为[4,2,3]也就是：depth * batch * features

当axis==-1，输出尺寸为：batch * features * depth

indices = [[2,3,4],[1,6,7]]#[2,3]的矩阵
dep = 4
asa = tf.one_hot(indices,dep,axis=-1)
with tf.Session() as sess:
    print('hot: ', sess.run(asa))

输出结果为：

hot: [[[0. 0. 1. 0.]
[0. 0. 0. 1.]
[0. 0. 0. 0.]]

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

尺寸为[2,3,4]也就是：batch * features * depth

当axis==1，输出尺寸为：batch * depth * features

indices = [[2,3,4],[1,6,7]]#[2,3]的矩阵
dep = 4
asa = tf.one_hot(indices,dep,axis=1)
with tf.Session() as sess:
    print('hot: ', sess.run(asa))

输出结果为：

hot:  [[[0. 0. 0.]
  [0. 0. 0.]
  [1. 0. 0.]
  [0. 1. 0.]]

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

尺寸为[2,4,3]也就是：batch * depth * features

关注