【深度学习API】TensorFlow - tf.one_hot()

tf.one_hot()

作用：转换为one-hot 编码格式，由于我们一般预测结尾使用softmax，导致结果全为one-hot形式，因此我们在做测试集时，需要将label转换为one-hot格式，或者将预测结果的one-hot格式转换为数组形式;

关键参数:indices , depth

indices: 传入tensor,如[1,0,3,2]

depth:one-hot的编码深度

代码示例：

    one = np.array([1,0,3,2])
    with tf.Session() as sess:

        sess.run(tf.global_variables_initializer())

        tensor_one = tf.convert_to_tensor(one)

        print(sess.run(tf.one_hot(tensor_one,depth=4)))

结果,数组里的值全部为one-hot编码格式里1的下标单位：

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

如果此时将depth = 3,就会发现，one-hot 无法编码超出的范围，具体见代码:

    one = np.array([1,0,3,2])
    with tf.Session() as sess:

        sess.run(tf.global_variables_initializer())

        tensor_one = tf.convert_to_tensor(one)

        print(sess.run(tf.one_hot(tensor_one,depth=3)))

结果,看到第三行就无法体现array[1,0,3,2]中的3,因此，depth 也就是array 的长度,平时可以使用depth = len(array)：

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

 接下来，考虑one-hot  转array

我们使用tf.argmax()来转换:

tf.argmax详细使用见链接:tf.argmax使用，点我

接下来我们就将之前转换结果转换回来

代码：

    import numpy as np

    one = np.array([1,0,3,2])
    with tf.Session() as sess:

        sess.run(tf.global_variables_initializer())


        tensor_one = tf.convert_to_tensor(one)

        one_hot_res = tf.one_hot(tensor_one,depth=4)

        print(sess.run(tf.argmax(one_hot_res,0)))

结果如下：

        one_hot_res = tf.one_hot(tensor_one,depth=4)
        print(sess.run(tf.argmax(one_hot_res,0)))