如何使用 tf.one_hot 计算一种热编码？

Question

我正在尝试使用tensorflow构建mnist数据集y_train 的热编码。我不明白该怎么做？

# unique values 0 - 9
y_train = array([5, 0, 4, ..., 5, 6, 8], dtype=uint8)

我们keras会做类似的事情

# this converts it into one hot encoding
one hot_encoding = tf.keras.utils.to_categorical(y_train)

我应该在哪里tf.one_hot输入indices&depth参数？完成一次热编码后，如何将其从2d-tensor转换回numpy数组？

Answer 1

我对 Tensorflow 不熟悉，但经过一些测试，这是我发现的：

tf.one_hot()需要 anindices和 a depth。这些indices是实际转换为 one-hot 编码的值。depth指可利用的最大值。

例如，采用以下代码：

y = [1, 2, 3, 2, 1]
tf.keras.utils.to_categorical(y)
sess = tf.Session();
with sess.as_default():
    print(tf.one_hot(y, 2).eval())
    print(tf.one_hot(y, 4).eval())
    print(tf.one_hot(y, 6).eval())

tf.keras.utils.to_categorical(y)返回以下内容：

array([[0., 1., 0., 0.],
       [0., 0., 1., 0.],
       [0., 0., 0., 1.],
       [0., 0., 1., 0.],
       [0., 1., 0., 0.]], dtype=float32)

相反，tf.one_hot()选项（2、4 和 6）执行以下操作：

[[0. 1.]
 [0. 0.]
 [0. 0.]
 [0. 0.]
 [0. 1.]]
[[0. 1. 0. 0.]
 [0. 0. 1. 0.]
 [0. 0. 0. 1.]
 [0. 0. 1. 0.]
 [0. 1. 0. 0.]]
[[0. 1. 0. 0. 0. 0.]
 [0. 0. 1. 0. 0. 0.]
 [0. 0. 0. 1. 0. 0.]
 [0. 0. 1. 0. 0. 0.]
 [0. 1. 0. 0. 0. 0.]]

从这里可以看出，为了模仿tf.keras.utils.to_categorical()使用tf.one_hot()，depth参数应等于数组中存在的最大值，+1 表示 0。在本例中，最大值为 3，因此编码中有四个可能的值 - 0 、1、2 和 3。因此，需要深度为 4 来表示 one-hot 编码中的所有这些值。

至于转换为 numpy，如上所示，使用 Tensorflow 会话，eval()在张量上运行将其转换为 numpy 数组。有关执行此操作的方法，请参阅如何在 TensorFlow 中将张量转换为 numpy 数组？。

我对 Tensorflow 不熟悉，但希望这会有所帮助。

注意：对于 MNIST 而言，深度 10 就足够了。