tensorflow中tf.one_hot()函数的作用是将一个值化为一个概率分布的向量,一般用于分类问题。
具体用法以及作用见以下代码:
-
import numpy as np
-
import tensorflow as tf
-
-
SIZE= 6
-
CLASS= 8
-
label1=tf.constant([ 0, 1, 2, 3, 4, 5, 6, 7])
-
sess1=tf.Session()
-
print( 'label1:',sess1.run(label1))
-
b = tf.one_hot(label1,CLASS, 1, 0)
-
with tf.Session() as sess:
-
sess.run(tf.global_variables_initializer())
-
sess.run(b)
-
print( 'after one_hot',sess.run(b))
label1: [0 1 2 3 4 5 6 7]
after one_hot:
[[1 0 0 0 0 0 0 0]
[0 1 0 0 0 0 0 0]
[0 0 1 0 0 0 0 0]
[0 0 0 1 0 0 0 0]
[0 0 0 0 1 0 0 0]
[0 0 0 0 0 1 0 0]
[0 0 0 0 0 0 1 0]
[0 0 0 0 0 0 0 1]]
tensorflow中tf.one_hot()函数的作用是将一个值化为一个概率分布的向量,一般用于分类问题。
具体用法以及作用见以下代码:
-
import numpy as np
-
import tensorflow as tf
-
-
SIZE= 6
-
CLASS= 8
-
label1=tf.constant([ 0, 1, 2, 3, 4, 5, 6, 7])
-
sess1=tf.Session()
-
print( 'label1:',sess1.run(label1))
-
b = tf.one_hot(label1,CLASS, 1, 0)
-
with tf.Session() as sess:
-
sess.run(tf.global_variables_initializer())
-
sess.run(b)
-
print( 'after one_hot',sess.run(b))
label1: [0 1 2 3 4 5 6 7]
after one_hot:
[[1 0 0 0 0 0 0 0]
[0 1 0 0 0 0 0 0]
[0 0 1 0 0 0 0 0]
[0 0 0 1 0 0 0 0]
[0 0 0 0 1 0 0 0]
[0 0 0 0 0 1 0 0]
[0 0 0 0 0 0 1 0]
[0 0 0 0 0 0 0 1]]