tf.one_hot

Возвращает тензор one-hot.

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

Используется в блокнотах

См. также tf.fill, tf.eye.

В позициях, указанных индексами в indices, устанавливается значение on_value, а во всех остальных позициях — значение off_value.

on_value и off_value должны иметь совпадающие типы данных. Если также указано dtype, его тип данных должен совпадать с типом, заданным в dtype.

Если on_value не указано, по умолчанию будет использоваться значение 1 типа dtype

Если off_value не указано, по умолчанию будет использоваться значение 0 типа dtype

Если входной indices имеет ранг N, ранг выходного тензора будет равен N+1. Новая ось создается в измерении axis (по умолчанию новая ось добавляется в конец).

Если indices — скаляр, выходная форма будет вектором длины depth

Если indices — вектор длины features, выходная форма будет следующей:

features x depth if axis == -1
depth x features if axis == 0

Если indices — матрица (пакет) формы [batch, features], выходная форма будет следующей:

batch x features x depth if axis == -1
batch x depth x features if axis == 1
depth x batch x features if axis == 0

Если indices — RaggedTensor, аргумент 'axis' должен быть положительным и указывать на нерегулярную ось. Результат будет эквивалентен применению 'one_hot' к значениям RaggedTensor с последующим созданием нового RaggedTensor из результата.

Если dtype не указано, будет предпринята попытка определить тип данных по on_value или off_value, если указан один или оба параметра. Если не указан ни один из параметров on_value, off_value и dtype, для dtype по умолчанию будет использоваться значение tf.float32.

Примечание: Если требуется выходной тензор с нечисловым типом данных (tf.string, tf.bool и т. д.), для one_hot необходимо указать оба параметра: on_value и off_value.

Например:

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)

indices = tf.ragged.constant([[0, 1], [2]])
depth = 3
tf.one_hot(indices, depth)  # output: [2 x None x 3]
# [[[1., 0., 0.],
#   [0., 1., 0.]],
#  [[0., 0., 1.]]]