Tensorflow——————API 使用方法记录

1.tf.one_hot

 返回一个onehot tensor

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

• indices: tensor类型值得索引.

• depth: 代表one-hot得深度，可以理解为对应得类别数.

• on_value: 一个标量值，索引位置上得值. (default: 1).

• off_value: 索引之外的值. (default: 0)

• axis: 新的维度，也就是填充的所在轴 (default: -1,).

• dtype: The data type of the output tensor.

• name: op节点名称 (optional).

一个N维的输入，则输出维度为N+1，意思就是：如果输入是一个标量，则输出为一个固定深度的向量；如果输入是一个 固定深度的向量，则输出是一个二维tensor。上述两个输入，又分两个情况（axis=-1或者0）。

# 输入为标量  
[features, depth] if axis == -1
[depth, features] if axis == 0

# 输入为固定长度的向量
[batch, features x depth] if axis == -1
[batch, depth x features] if axis == 1
[depth, batch x features] if axis == 0

举例如下：

# 标量
indices = 3
depth = 4
a = tf.one_hot(indices, depth, axis=-1) 
sess = tf.InteractiveSession()
print(sess.run(a))

# 输出
# axis=-1或者0，结果都是一样的，因为就一个维度，怎么取都是那一个。。。。。
[0. 0. 0. 1.]

--------------------------------------------------------------------------------

# 输入为固定长度向量
indices = [0, 1, 3, 2]
depth = 5
a = tf.one_hot(indices, depth, axis=-1) 
sess = tf.InteractiveSession()
print(sess.run(a))

# axis=-1时
[[1. 0. 0. 0. 0.]
 [0. 1. 0. 0. 0.]
 [0. 0. 0. 1. 0.]
 [0. 0. 1. 0. 0.]]
# axis=0时
[[1. 0. 0. 0.]
 [0. 1. 0. 0.]
 [0. 0. 0. 1.]
 [0. 0. 1. 0.]
 [0. 0. 0. 0.]]

当输出为[batch, features]时（训练的时候都是批次的），输出维度应该是这样的：

[batch, features, depth] if axis == -1
[batch, depth, features] if axis == 1
[depth, batch, features] if axis == 0

举例：

# 对这种输入的one-hot，我是一般不会遇到，平时模型训练，label都是一维的
indices = [[0, 2], [1, -1], [2, 3]]
depth = 5
a = tf.one_hot(indices, depth, axis=-1) 
sess = tf.InteractiveSession()
print(sess.run(a))

# 输出
# aixs=-1
[[[1. 0. 0. 0. 0.]
  [0. 0. 1. 0. 0.]]

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

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

# axis=0
[[[1. 0.]
  [0. 0.]
  [0. 0.]]

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

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

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

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

持续更新·············