tf.one_hot()使用说明

最新推荐文章于 2022-06-02 15:27:35 发布
最新推荐文章于 2022-06-02 15:27:35 发布
阅读量834 收藏 2
点赞数 1
文章标签： tensorflow python 深度学习 机器学习
原文链接：https://tensorflow.google.cn/api_docs/python/tf/one_hot?hl=zh_cn
版权
这篇博客详细介绍了TensorFlow中的tf.one_hot函数，包括其参数解释和使用示例。tf.one_hot用于将整数索引转换为one-hot编码，其中指定位置的值为on_value，其他位置为off_value。当indices是多维张量时，输出会增加一维。文章强调了on_value和off_value的数据类型匹配以及如何处理不规则形状的输入。同时，提供了多个代码示例以帮助读者更好地理解和应用tf.one_hot。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

@tensorflow学习笔记

tf.one_hot

本文只作为个人学习记录，参考tensorflow中文官网 tf中文官网

调用格式

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

参数说明

· indices ：一个索引的张量。
· depth : 定义one_hot 维度的标量
· on_value： 定义一个填充输出的值，其中indices[j] = i(默认：1)
· off_value： 定义填充输出的值，其中indices[j]!= i(默认：0）
· axis： 将要填充的轴axis(默认 -1 ,一个新的最内轴）
· dtype：输出张量的数据类型。
· name：操作的名称（可选）。

输出

一个 one_hot 张量

可能会出的错误

  1. TypeError
    是否 on_value 或 off_value 与 dtype 不匹配。
  2. TypeError
    是否 on_value ， off_value 彼此不匹配

提示

  1. indices 所在位置取值为 on_value,而其他位置从 off_value 取值。

  2. on_value 和 off_value 数据类型一定要匹配。如果 dtype 有值，它们必须取与 dtype所显示类型相同的值。
    如果 on_value 没有值，默认值为 1，类型为 dtype.
    如果 off_value 没有值， 默认值为 0，类型为 dtype.
    如果 indices 是 N 维，则输出为 N+1 维。新的一维创建在 axis 所示的维（默认：新的一轴加在末尾）

  3. 如果 indices 是标量，则输出是长度为深度的向量。
    如果 indices 是长为 feature 的向量，则输出将会是: 在这里插入图片描述
    如果 indices 是一个大小为 [batch, features] 的矩阵（batch) ，输出形式为： 在这里插入图片描述
    如果 indices 是不规则形状（RaggedTensor），axis 必须是正的，且指向一个非不规则的轴。输出会等价与 one_hot 应用与一个不规则形状的值的输出，且从结果中产生一个新的不规则形状。
    如果 dtype 没有值，它会尝试假设数据的类型是 on_value 或者 off_value，如果一个或者两个都通过的话。如果 on_value， off_value， dtype 都没有值，dtpye 会默认值 为tf.float32.
    **注意：如果需要非数值类型的输出（如tf.string, tf.bool, etc), on_value, off_value 都需要有值。

例子

在这里插入图片描述

Tensorflow One-Hot 函数样例(Python3)
huplion的专栏
03-18 1582
Py3代码： # one-hot 函数的样例 import tensorflow as tf label = tf.placeholder(tf.int32,[None]) # 直接把 输入的序列进行One-Hot的结果 one_hot = tf.one_hot(label, 3, 1, 0) # 进行转置 one_hot_new = tf.transpose(one_hot, perm=...
机器学习中Tensorflow的常用函数之tf.one_hot()函数
jxs19960914的博客
09-17 819
机器学习中Tensorflow的常用函数tf.one_hot()函数简介官网的函数定义举例说明tf.one_hot()函数用法 tf.one_hot()函数简介 tf.one_hot()函数是将input转化为one-hot类型数据输出，相当于将多个数值联合放在一起作为多个相同类型的向量，可用于表示各自的概率分布，通常用于分类任务中作为最后的FC层的输出。 官网的函数定义 官网默认定义如下： one_hot(indices, depth, on_value=None, off_value=None, a
tensorflow的one_hot函数（ONE_HOT编码）
qq_36489492的博客
03-21 848
tensorflow的one_hot函数的功能：主要是将类别转换成one_hot类型的张量输出。 tf.one_hot(indices, depth, on_value=None, off_value=None, axis=None, dtype=None, name=None) 如：target = tf.one_hot(target, 10, 1, 0) 参数功能如下： 1）indice...
机器学习：数据预处理之独热编码（One-Hot）
weixin_34315665的博客
06-14 2032
在机器学习算法中，我们经常会遇到分类特征，例如：人的性别有男女，祖国有中国，美国，法国等。这些特征值并不是连续的，而是离散的，无序的。通常我们需要对其进行特征数字化。 那什么是特征数字化呢？例子如下： 性别特征：["男"，"女"] 祖国特征：["中国"，"美国，"法国"] 运动特征：["足球"，"篮球"，"羽毛球"，"乒乓球"] 假如某个样...
tensorflow的one_hot()函数
Asunqingwen的博客
09-19 4086
         在机器学习中进行分类任务时，数据的label一般是一维的，无论是几分类，比如2分类，数据的label一般就是0和1的组合；3分类的时候就是0,1,2的组合等。以此类推，若是100分类，则需要100个变量标识各个label，为了简化计算和减少参数，一般的会将一维的label扩展为n维的label，比如2分类的问题用[1,0]表示label为0的类别，[0,1]表示label为1的...
TensorFlow的one_hot函数
gqixf的博客
08-24 3613
import tensorflow as tf tf.one_hot(indices, depth, on_value, off_value, axis) indices是一个列表,指定张量中独热向量的独热位置，或者说indeces是非负整数表示的标签列表。len(indices)就是分类的类别数。 tf.one_hot返回的张量的阶数为indeces的阶数+1。   当indices...
tf.one_hot函数详解，看了很多介绍写的比较模糊，结合理解看懂了记录下来，分享给更多需要的朋友！
05-30
在这个实例中，我们使用 tf.one_hot 函数将整数索引 `[0, 1, 2, 3]` 转换为独热编码。我们定义了三个变量 `var1`、`var2` 和 `var3`，它们的参数分别为 `axis=0`、`axis=1` 和 `axis=1`。 输出解释 输出结果为： ...
tensorflow2.1中独热编码函数tf.one_hot()的用法
12-21
以下是一些使用 `tf.one_hot()` 的实例： ```python import tensorflow as tf # 示例1：创建一个3x3的独热编码张量，axis=0 var0 = tf.one_hot(indices=[1, 2, 3], depth=3, axis=0) print(var0) # 示例2：创建一...
tf.one_hot编码的用法以及one-hot自己编码
weixin_38255260的博客
10-24 1475
tf.one_hot编码的用法 最近想将之前用普通机器学习做的一个项目，用三层的全连接神经网络跑一遍，在做label时候，需要将（0,1）这两种label转为one-hot编码，因此探究了一下tf.one_hot的用法。 tf.one_hot(indices, depth, on_value=None, off_value=None, axis=None, dtype=None, name=No...
Tensorflow 的tf.one_hot()功能：dense to one hot
jasonzzj的博客
03-04 2万+
import tensorflow as tf indices = [[3], [5], [0], [7]] indices = tf.concat(0, indices) indices = tf.reshape(indice, (4, 1)) a = tf.one_hot(indices, depth=10, on_value=None, off_value=None, axis=None,
one-hot编码
09-27
自己写一个小例子，方便大家清楚ont-hot编码。如果有问题，还希望大家多多指教，如果有问题，可以及时和我联系
tf.one_hot()--tensorflow实现独热编码
panghuzhenbang的博客
06-02 1236
独热编码一般是在有监督学习中对数据集进行标注时使用，指的是在分类问题中，将存在数据类别的那一类用X表示，不存在的用Y表示，这里的X常常是1， Y常常是0；例如最常见的mnist手写数字识别任务，用one_hot进行编码，如下所示：数字0，[1,0,0,0,0,0,0,0,0,0]；数字1，[0,1,0,0,0,0,0,0,0,0]；数字9，[0,0,0,0,0,0,0,0,0,1]；独热编码也适用于多分类任务，特别是损失函数为交叉熵损失的时候。 indices表示输入的多个数值，通常是矩阵形式；dept
详解one-hot编码
weixin_30547797的博客
07-30 632
博主原创文章，转载请注明出处 https://www.cnblogs.com/shuaishuaidefeizhu/p/11269257.html 一、什么是one-hot编码？ One-Hot编码，又称为一位有效编码，主要是采用N位状态寄存器来对N个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候只有一位有效。 One-Hot编码是分类变量作为二进制向量的表示。...
tf.one_hot（）使用
热门推荐
m0_37561765的博客
10-11 2万+
tf.one_hot在看conditionGAN的时候注意到label的输入要把它转换成one-hot形式，再与噪声z进行tf.concat输入，之前看的时候忽略了，现在再看才算明白为什么。tf.one_hot( indices,#输入，这里是一维的 depth,# one hot dimension. on_value=None,#output 默认1 off_va
tensorflow—tf.one_hot()函数
qq_27150893的博客
07-02 1238
tensorflow中tf.one_hot()函数的作用是将一个值化为one-hot编码的向量，指的是在分类问题中，将存在数据类别的那一类用X表示，不存在的用Y表示，这里的X常常是1， Y常常是0。one-hot 的API如下：one_hot( indices, depth, on_value=None, off_value=None, axis=None, dtype=None, name=No...
TensorFlow- 基础语法-one_hot()
qq_17753903的博客
09-02 485
参考声明：https://blog.csdn.net/nini_coded/article/details/79250600 0.函数简介： tf.one_hot()函数是将input转化为one-hot类型数据输出，相当于将多个数值联合放在一起作为多个相同类型的向量，可用于表示各自的概率分布，通常用于分类任务中作为最后的FC层的输出，有时翻译成“独热”编码。   1.函数用法： one...
tensorflow one-hot独热编码
yeler082的博客
05-20 3492
1 基本概念 解释下什么叫做独热编码（one-hot encoding），独热编码一般是在有监督学习中对数据集进行标注时候使用的，指的是在分类问题中，将存在数据类别的那一类用X表示，不存在的用Y表示，这里的X常常是1， Y常常是0。，举个例子： 比如我们有一个5类分类问题，我们有数据，其中类别有五种取值（因为是五类分类问题），所以如果为第一类那么其独热编码为：[1,0,0,0...
【TensorFlow】onehot编码
liudongdong_jlu
08-09 938
def onehot(labels): 　　'''one-hot 编码''' 　　#数据有几行输出 　　n_sample = len(labels) 　　#数据分为几类。因为编码从0开始所以要加1 　　n_class = max(labels) + 1 　　#建立一个batch所需要的数组，全部赋0. 　　onehot_labels = np.zeros((n_sample, n_class))...
One-Hot 编码
weixin_41857483的博客
01-05 1万+
0. 前言 偶然间听到One-Hot编码这个概念，但是并不理解是怎么回事。所以经过学习与了解，写一篇博客来加深自己对此的理解。
tensorflow tf.one_hot()
最新发布
01-06
### TensorFlow 中 `tf.one_hot` 函数详解 #### 函数概述 `tf.one_hot` 是用于将索引转换为 one-hot 编码张量的函数。此操作创建一个新的张量，其中每个位置都对应于输入中的一个类别标签，并将其标记为激活状态（通常是1），而其他位置则保持未激活状态（通常为0）。这在分类任务中特别有用，尤其是在处理多类别的场景下[^1]。 #### 参数解释 该函数接受多个参数来定制其行为： - **indices**: 输入的数据，可以是一个整数列表或张量，表示要被编码的位置。 - **depth**: 表示目标 one-hot 向量的长度，即总共可能存在的不同类别数量。 - **on_value**: 可选，默认值为 None；指定当某个元素处于激活状态时应赋予的具体数值。 - **off_value**: 可选，默认值也为 None；指定了非激活状态下应该设置为何种数值。 - **axis**: 控制 one-hot 编码的方向，在某些情况下可用于调整输出维度顺序。 - **dtype**: 设置返回张量的数据类型。 - **name**: 给这个操作命名以便更好地追踪图结构内的节点名称[^4]。 #### 使用实例 下面给出几个具体的例子展示如何调用 `tf.one_hot()` 来实现不同的需求: ```python import tensorflow as tf # 创建简单的one-hot向量 a = [1, 2, 3] b = tf.one_hot(a, depth=4) print(b.numpy()) ``` 这段代码会打印出如下结果： ``` [[0. 1. 0. 0.] [0. 0. 1. 0.] [0. 0. 0. 1.]] ``` 这里可以看到，对于每一个原始数组中的数字 n ，都会生成一个大小为 depth 的新向量，在第 n 位上设为 1 而其余均为 0 。注意这里的 index 序号是从零开始计数的[^3]。 如果希望自定义激活和非激活的状态，则可以通过设定 `on_value` 和 `off_value` 参数来进行修改： ```python c = tf.one_hot([0, 1, 2], depth=3, on_value='yes', off_value='no') print(c.numpy()) ``` 上述代码将会得到字符串类型的 one-hot 编码矩阵，而不是默认的浮点型数值。 #### 特殊情况处理 需要注意的是，如果提供的 indices 值超出了所允许的最大范围 (由 depth 定义)，那么超出部分对应的行将全部填充为 `off_value` 或者是默认的 0 值。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值