tf.one_hot()用法 獨熱編碼

tf.one_hot()進行獨熱編碼

首先肯定需要解釋下什麼叫做獨熱編碼（one-hot encoding），獨熱編碼一般是在有監督學習中對資料集進行標註時候使用的，指的是在分類問題中，將存在資料類別的那一類用X表示，不存在的用Y表示，這裡的X常常是1， Y常常是0。
舉個例子：
比如我們有一個5類分類問題，我們有資料(Xi,Yi)，其中類別Yi有五種取值（因為是五類分類問題），所以如果Yj為第一類那麼其獨熱編碼為： [1,0,0,0,0]，如果是第二類那麼獨熱編碼為：[0,1,0,0,0]，也就是說只對存在有該類別的數的位置上進行標記為1，其他皆為0。這個編碼方式經常用於多分類問題，特別是損失函式為交叉熵函式的時候。接下來我們再介紹下TensorFlow中自帶的對資料進行獨熱編碼的函式tf.one_hot()，首先先貼出其API手冊

one_hot(
    indices,#輸入，這裡是一維的
    depth,# one hot dimension.
    on_value=None,#output 預設1
    off_value=None,#output 預設0
    axis=None,
    dtype=None,
    name=None
)

需要指定indices，和depth，其中depth是編碼深度，on_value和off_value相當於是編碼後的開閉值，如同我們剛才描述的X值和Y值，需要和dtype相同型別（指定了dtype的情況下），axis指定編碼的軸。這裡給個小的例項：

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)
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    a0 = sess.run(var0)
    a1 = sess.run(var1)
    a2 = sess.run(var2)
    a3 = sess.run(var3)
    print("var0(axis=0 depth=3)\n",a0)
    print("var1(axis=0 depth=4P)\n",a1)
    print("var2(axis=1)\n",a2)
    print("var3(axis=-1)\n",a3)

結果