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，我们有数据 $(X_i,Y_i)$，其中类别$Y_i$有5种取值（因为是5分类问题），所以如果$Y_j$为第1类那么其独热编码为： $[1,0,0,0,0]$，如果是第2类那么独热编码为：$[0,1,0,0,0]$，也就是说只对存在有该类别数的位置上进行标记为1，其他皆为0。

其定义如下：

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

参数说明：

indices - 输入的多个数值，通常是一维矩阵形式。

depth - 输出张量的尺寸，indices中元素默认不超过（depth-1），如果超过，输出为[0,0,···,0]

on_value - 定义在 indices[j] = i 时填充输出的值的标量.(默认：1)

off_value - 定义在 indices[j] != i 时填充输出的值的标量.(默认：0)

axis - 要填充的轴(默认：-1,一个新的最内层轴).

dtype - 输出张量的数据类型.

import tensorflow as tf

var0 = tf.one_hot(indices=[1, 2, 3], depth=3, axis=0)
var1 = tf.one_hot(indices=[1, 2, 3], depth=4, axis=0)
var2 = tf.one_hot(indices=[1, 2, 3], depth=4, axis=1)
# axis=1 按行排
var3 = tf.one_hot(indices=[1, 2, 3], depth=4, axis=-1)

print("var0(axis=0 depth=3):\n",var0)
print("var1(axis=0 depth=4P):\n",var1)
print("var2(axis=1):\n",var2)
print("var3(axis=-1):\n",var3)
# var0(axis=0 depth=3):
#  tf.Tensor(
# [[0. 0. 0.]
#  [1. 0. 0.]
#  [0. 1. 0.]], shape=(3, 3), dtype=float32)
# var1(axis=0 depth=4P):
#  tf.Tensor(
# [[0. 0. 0.]
#  [1. 0. 0.]
#  [0. 1. 0.]
#  [0. 0. 1.]], shape=(4, 3), dtype=float32)
# var2(axis=1):
#  tf.Tensor(
# [[0. 1. 0. 0.]
#  [0. 0. 1. 0.]
#  [0. 0. 0. 1.]], shape=(3, 4), dtype=float32)
# var3(axis=-1):
#  tf.Tensor(
# [[0. 1. 0. 0.]
#  [0. 0. 1. 0.]
#  [0. 0. 0. 1.]], shape=(3, 4), dtype=float32)