tensorflow2.1中独热编码函数tf.one_hot()的用法

tf.one_hot() 函数是将input转化为one-hot类型数据输出

如果我们有一个5类分类问题&＃xff0c;我们有数据 (Xi,Yi)(X_i,Y_i)(Xi​,Yi​)&＃xff0c;其中类别YiY_iYi​有5种取值&＃xff08;因为是5分类问题&＃xff09;&＃xff0c;所以如果YjY_jYj​为第1类那么其独热编码为&＃xff1a; $[1,0,0,0,0]$&＃xff0c;如果是第2类那么独热编码为&＃xff1a;$[0,1,0,0,0]$&＃xff0c;也就是说只对存在有该类别数的位置上进行标记为1&＃xff0c;其他皆为0。

其定义如下&＃xff1a;

one_hot
(indices,#输入&＃xff0c;这里是一维的depth,# one hot dimension.on_value&＃61;None,#output 默认1off_value&＃61;None,#output 默认0axis&＃61;None,dtype&＃61;None,name&＃61;None
)


参数说明&＃xff1a;

indices - 输入的多个数值&＃xff0c;通常是一维矩阵形式。

depth - 输出张量的尺寸&＃xff0c;indices中元素默认不超过&＃xff08;depth-1&＃xff09;&＃xff0c;如果超过&＃xff0c;输出为[0,0,···,0]

on_value - 定义在 indices[j] &＃61; i 时填充输出的值的标量.(默认&＃xff1a;1)

off_value - 定义在 indices[j] !&＃61; i 时填充输出的值的标量.(默认&＃xff1a;0)

axis - 要填充的轴(默认&＃xff1a;-1,一个新的最内层轴).

dtype - 输出张量的数据类型.

import tensorflow as tfvar0 &＃61; tf.one_hot(indices&＃61;[1, 2, 3], depth&＃61;3, axis&＃61;0)
var1 &＃61; tf.one_hot(indices&＃61;[1, 2, 3], depth&＃61;4, axis&＃61;0)
var2 &＃61; tf.one_hot(indices&＃61;[1, 2, 3], depth&＃61;4, axis&＃61;1)
# axis&＃61;1 按行排
var3 &＃61; tf.one_hot(indices&＃61;[1, 2, 3], depth&＃61;4, axis&＃61;-1)print("var0(axis&＃61;0 depth&＃61;3):\n",var0)
print("var1(axis&＃61;0 depth&＃61;4P):\n",var1)
print("var2(axis&＃61;1):\n",var2)
print("var3(axis&＃61;-1):\n",var3)
# var0(axis&＃61;0 depth&＃61;3):
# tf.Tensor(
# [[0. 0. 0.]
# [1. 0. 0.]
# [0. 1. 0.]], shape&＃61;(3, 3), dtype&＃61;float32)
# var1(axis&＃61;0 depth&＃61;4P):
# tf.Tensor(
# [[0. 0. 0.]
# [1. 0. 0.]
# [0. 1. 0.]
# [0. 0. 1.]], shape&＃61;(4, 3), dtype&＃61;float32)
# var2(axis&＃61;1):
# tf.Tensor(
# [[0. 1. 0. 0.]
# [0. 0. 1. 0.]
# [0. 0. 0. 1.]], shape&＃61;(3, 4), dtype&＃61;float32)
# var3(axis&＃61;-1):
# tf.Tensor(
# [[0. 1. 0. 0.]
# [0. 0. 1. 0.]
# [0. 0. 0. 1.]], shape&＃61;(3, 4), dtype&＃61;float32)