pytorch、tensorflow之生成one-hot向量

• 对于标签分类：最后生成的可以是类别标签索引，也可以是one-hot向量（独热编码）

  • 我们举一个五分类的例子：
    • 可以用[3]：表示第三种分类
    • 也可以用one-hot向量[0,0,1,0,0]：表示第三种分类

• 那么我们接下来用pytorch和tensorflow这两个深度学习框架来生成one-hot向量

Pytorch 生成one-hot向量

import torch
from torch.nn import functional
label = torch.tensor([2])  # 2显示的是索引
num_class = 5
label2one_hot = functional.one_hot(label, num_classes=num_class)
print("LongTensor:", label2one_hot)       #LongTensor类型
print("ndarray:", label2one_hot.numpy())  # ndarray 类型
print("list:", label2one_hot.numpy().tolist())  # list 类型

​

Tensorflow生成one-hot向量

• tf.one_hot

one_hot(indices, depth, on_value=None, off_value=None, axis=None, dtype=None, name=None)
	- indices：输入的数值，可以是list，矩阵
	- depth：one-hot的深度，分成几类就有多长
	- on_value:如[1,0,0,0]  1的那位用什么数字表示，默认是1
    - off_value：如[1,0,0,0]  0的那位用什么数字表示，默认是0
   返回 one-hot tensor

import tensorflow as tf
list = [1]   # 可以是list,可以是数组，可以是ndarray类型， 可以是tensor类型
num_class = 5
onehot_1 = tf.one_hot(list, num_class)
onehot_2 = tf.one_hot(list, num_class, on_value=2)
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print("onehot_1:", sess.run(onehot_1))
    print("onehot_2:", sess.run(onehot_2))
    

​