tf.one_hot()

最新推荐文章于 2023-01-13 11:53:22 发布

原创最新推荐文章于 2023-01-13 11:53:22 发布 · 1k 阅读

CC 4.0 BY-SA版权

本文介绍了TensorFlow 1.2版本中的tf.one_hot()函数，用于数据无序关系时的one_hot编码。当indices是标量时，输出为长度为depth的向量；当indices是向量时，输出维度由axis参数决定，可以是[features, depth]、[depth, features]等。总结来说，输出维度为[indices.shape, depth]，axis参数影响depth的位置。" 84470685,8129757,润乾报表显示格式与显示值详解,"['润乾报表', '数据格式', '单元格属性', '报表设计']

部署运行你感兴趣的模型镜像

TensorFlow1.2函数原型

https://www.tensorflow.org/versions/r1.2/api_docs/python/tf/one_hot

tf.one_hot
one_hot(
    indices,
    depth, #标量，指定了每个one-hot的dimension
    on_value=None, #默认为1
    off_value=None, #默认为0
    axis=None,  #默认为-1
    dtype=None, #当on_value, off_value没有指定时,默认为tf.float32
    name=None
)

数据间没有序关系的时候可以用one_hot编码。

indices所代表的位置，用on_value替代，其余位置用off_value替代。

输出维度：

1. 当indices是一个标量，则输出的shape为长度为depth的向量；

tf.reset_default_graph()

indices = 1
depth = 6

one_hot = tf.one_hot(indices=indices,
                     depth=depth,
                     axis=None)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    
    print(sess.run(one_hot))

结果为：

[ 0.  1.  0.  0.  0.  0.]  #单个one-hot

2. 当indices是一个长度为features的向量，则输出的shape为：

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

此时，axis决定了depth的位置。

2.1 axis = -1 默认值

indices = [1, 4, 3]
depth = 6
axis=-1

结果为：输出shape为[features， depth]，on_value在行上

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

2.2 axis = 0

indices = [1, 4, 3]
depth = 6
axis=0

结果为：输出shape为[depth，features]，on_value 在列上

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

3. 当indices是一个形如[batch, features]的矩阵，则输出的shape为：

  batch x features x depth if axis == -1
  batch x depth x features if axis == 1
  depth x batch x features if axis == 0

如：

    indices = [[1, 2],
               [3, 4]]    #shape为[2, 2]
    depth = 6

3.1 axis = -1

结果为：shape为[2, 2, 6]

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

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

3.2 axis = 1

结果为：shape为[2, 6, 2]

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

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

3.3 axis = 0

结果为：shape为[6, 2, 2]

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

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

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

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

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

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

总结：

输出的维度为[indices.shape, depth]，（axis=-1或None），axis决定了depth的位置

以indices中元素为下标，生成一个one-hot，再以axis决定的形式组织起来。

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。它提供了一个灵活的平台,用于构建和训练各种机器学习模型