tf.one_hot
tf.one_hot(
indices,
depth,
on_value=None,
off_value=None,
axis=None,
dtype=None,
name=None
)返回一个独热张量。 索引中由索引表示的位置取值on_value，而所有其他位置取值off_value。on_value和off_value必须具有匹配的数据类型。如果还提供了dtype，则它们必须与dtype指定的数据类型相同。如果没有提供on_value，它将默认为值1，类型为dtype。如果没有提供off_value，它将默认值为0，类型为dtype。如果输入索引的秩为N，那么输出的秩为N+1。新轴是在维度轴上创建的(缺省值:新轴附加在末尾)。如果索引是标量，则输出形状将是长度深度向量。如果索引是长度特征向量，则输出形状为:
features x depth if axis == -1
depth x features if axis == 0如果索引是一个形状为[batch, features]的矩阵(batch)，则输出形状为:
batch x features x depth if axis == -1
batch x depth x features if axis == 1
depth x batch x features if axis == 0如果没有提供dtype，它将尝试假设数据类型为on_value或off_value(如果传入了一个或两个值)。如果不提供on_value、off_value或dtype, dtype将默认为tf.float32。注意:如果需要非数值数据类型输出(tf)。字符串,特遣部队。bool等)，on_value和off_value都必须提供给one_hot。
例如:
indices = [0, 1, 2]
depth = 3
tf.one_hot(indices, depth) # output: [3 x 3]
# [[1., 0., 0.],
# [0., 1., 0.],
# [0., 0., 1.]]
indices = [0, 2, -1, 1]
depth = 3
tf.one_hot(indices, depth,
on_value=5.0, off_value=0.0,
axis=-1) # output: [4 x 3]
# [[5.0, 0.0, 0.0], # one_hot(0)
# [0.0, 0.0, 5.0], # one_hot(2)
# [0.0, 0.0, 0.0], # one_hot(-1)
# [0.0, 5.0, 0.0]] # one_hot(1)
indices = [[0, 2], [1, -1]]
depth = 3
tf.one_hot(indices, depth,
on_value=1.0, off_value=0.0,
axis=-1) # output: [2 x 2 x 3]
# [[[1.0, 0.0, 0.0], # one_hot(0)
# [0.0, 0.0, 1.0]], # one_hot(2)
# [[0.0, 1.0, 0.0], # one_hot(1)
# [0.0, 0.0, 0.0]]] # one_hot(-1)参数:
- indices: 指标的张量。
- depth: 定义一个热维的深度的标量。
- on_value: 一个标量，定义了当索引[j] = i时要填充输出的值。
- off_value: 一个标量，定义当索引[j] != i.(默认值:0)时要填充输出的值。
- axis: 要填充的轴(默认值:-1，一个新的最内层轴)。
- dtype: 输出张量的数据类型。
- name: 操作的名称(可选)
返回值:
- output: 一个独热张量。
异常:
TypeError: If dtype of eitheron_valueoroff_valuedon't matchdtypeTypeError: If dtype ofon_valueandoff_valuedon't match one another
原链接: https://tensorflow.google.cn/versions/r1.9/api_docs/python/tf/one_hot?hl=en
本文参与 腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。
原始发表：2019年06月18日，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
腾讯云开发者
