首先，报错原因，我认为是数据类型错误， 在文档中表示，第一个tensor参数的数据类型为LongTensor，也就是torch.int64类型的，如果你有报这个错：“one_hot is only applicable to index tensor”，可以查看一下你传入的参数是不是 ...

1.什么是One_Hot? 对于这个问题，之前谷歌了一下，还涉及寄存器了（one-hot编码是N位状态寄存器为N个状态进行编码的方式）。。真的无语。这里不说那些很底层的，我们只需要了解one-hot编码是将类别变量转换为机器学习算法中容易处理的一种形式！ 概念太抽象了，对太抽了，那么从实际例子 ...

１.编码 　　one_hot编码不再过多叙述，类似于hash的那种方法去改变数的编码方式。比如label存在与（０，１，２，３），那么一条记录的label为３，那么将编码维[0,0,0,1] 2.包：　tf.one_hot(label,n_label)　需要注意的是返回的是一个tensor ...

tf.one_hot(indices, depth)：将目标序列转换成one_hot编码 tf.one_hot(indices, depth, on_value=None, off_value=None, axis=None, dtype=None, name=None ...

运行结果： 2. indices是矩阵 运行结果： ...

　　有时我们的样本标签，都是标记从0开始直至到类别的个数。在模型训练的时候，这些标签需要变成one_hot向量，这样才能够跟softmax出来的概率做互熵损失，计算loss。 　　那么，映射的方法如下： 　　 　　y： 类型是list，样本的类别标签序列 　　n_class ...

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 ...

什么是one-hot编码？one-hot编码，又称独热编码、一位有效编码。其方法是使用N位状态寄存器来对N个状态进行编码，每个状态都有它独立的寄存器位，并且在任意时候，其中只有一位有效。举个例子，假设我们有四个样本（行），每个样本有三个特征（列），如图： 　　　　　　 上图中我们已经对每个特征 ...