Tensorflow中one_hot() 函數用法

官網默認定義如下：

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

該函數的功能主要是轉換成one_hot類型的張量輸出。


參數功能如下：
　　1）indices中的元素指示on_value的位置，不指示的地方都為off_value。indices可以是向量、矩陣。
　　2）depth表示輸出張量的尺寸，indices中元素默認不超過（depth-1），如果超過，輸出為[0,0,···,0]
　　3）on_value默認為1
　　4）off_value默認為0
　　5）dtype默認為tf.float32


下面用幾個例子說明一下：
1. indices是向量

import tensorflow as tf

indices = [0,2,3,5]
depth1 = 6   # indices沒有元素超過(depth-1)
depth2 = 4   # indices有元素超過(depth-1)
a = tf.one_hot(indices,depth1)
b = tf.one_hot(indices,depth2)

with tf.Session() as sess:
    print('a = \n',sess.run(a))
    print('b = \n',sess.run(b))

運行結果：

# 輸入是一維的，則輸出是一個二維的
a = 
 [[1. 0. 0. 0. 0. 0.]
  [0. 0. 1. 0. 0. 0.]
  [0. 0. 0. 1. 0. 0.]
  [0. 0. 0. 0. 0. 1.]]　　　　　　# shape=(4,6)
b = 
 [[1. 0. 0. 0.]
  [0. 0. 1. 0.]
  [0. 0. 0. 1.]
  [0. 0. 0. 0.]]　　　　　　　　　 # shape=(4,4)

2. indices是矩陣

import tensorflow as tf

indices = [[2,3],[1,4]]
depth1 = 9   # indices沒有元素超過(depth-1)
depth2 = 4   # indices有元素超過(depth-1)
a = tf.one_hot(indices,depth1)
b = tf.one_hot(indices,depth2)

with tf.Session() as sess:
    print('a = \n',sess.run(a))
    print('b = \n',sess.run(b))

運行結果：

# 輸入是二維的，則輸出是三維的
a = 
 [[[0. 0. 1. 0. 0. 0. 0. 0. 0.]
   [0. 0. 0. 1. 0. 0. 0. 0. 0.]]

  [[0. 1. 0. 0. 0. 0. 0. 0. 0.]
   [0. 0. 0. 0. 1. 0. 0. 0. 0.]]]　　　　# shape=(2,2,9)
b = 
 [[[0. 0. 1. 0.]
   [0. 0. 0. 1.]]

  [[0. 1. 0. 0.]
   [0. 0. 0. 0.]]]　　　　　　　　　　　　　# shape=(2,2,4)