Question

任何人都可以帮助解释axis TensorFlow函数中one_hot的内容吗？

轴：要填充的轴（默认值：-1，新的最内轴）

最近，我在与SO was an explanation相关的Pandas上找到答案：

不确定上下文是否同样适用。

Answer 1

以下是一个例子：

x = tf.constant([0, 1, 2])

...是输入张量和N=4（每个索引都转换为4D向量）。

`axis=-1`

计算one_hot_1 = tf.one_hot(x, 4).eval()会产生(3, 4)张量：

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

...最后一个维度是一个热门编码（清晰可见）。这对应于默认axis=-1，即 last 。

`axis=0`

现在，计算one_hot_2 = tf.one_hot(x, 4, axis=0).eval()产生一个(4, 3)张量，这个张量不能立即识别为单热编码：

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

这是因为单热编码是沿着0轴完成的，并且必须转置矩阵以查看先前的编码。当输入更高维度时，情况变得更复杂，但想法是相同的：不同之处在于用于单热编码的额外维度的放置。

Answer 2

对于我来说，轴转换为“在哪里添加额外的数字以增加尺寸”。至少这就是我如何解释它并作为助记符。

例如，你有[1,2,3,0,2,1]，这是形状（6,1）。这意味着它是一维数组。 one_hot在原始数组的每个位置添加零并将位置转换为1，因为原始数组必须比原始数组多1个维度，并且轴告诉函数在哪里添加它，这个新维度将确定示例。

轴线= 1

您添加第二个维度并保留第一个维度。这将导致（6,4）阵列。因此，对于生成的数组，您可以使用第一个维度（0）来了解您看到的示例，并使用第二个维度（1，新的维度）来了解该类是否处于活动状态。 newArr [0] [1] = 1表示示例0，类1，在这种情况下表示示例0属于类1.

   0   1   2   3  <- class

[[ 0.  1.  0.  0.]   <- example 0
 [ 0.  0.  1.  0.]   <- example 1
 [ 0.  0.  0.  1.]   <- example 2
 [ 1.  0.  0.  0.]   <- example 3
 [ 0.  0.  1.  0.]   <- example 4
 [ 0.  1.  0.  0.]]  <- example 5

轴= 0

添加第一个维度并移动现有维度。这将导致（4,6）阵列。因此，对于结果数组，您使用第一个维度（0，新维度）来了解该类是否处于活动状态，使用第二个维度（1）来了解您看到的示例。 newArr [0] [1] = 0表示0级，例1，在这种情况下，表示示例1不属于0级。

   0   1   2   3   4   5  <- example

[[ 0.  0.  0.  1.  0.  0.]   <- class 0
 [ 1.  0.  0.  0.  0.  1.]   <- class 1
 [ 0.  1.  0.  0.  1.  0.]   <- class 2
 [ 0.  0.  1.  0.  0.  0.]]  <- class 3

Answer 3

对我来说，我是这样理解的—— （注意 documentation 中引用的索引只是类标签的信息，它可以是标量或向量或矩阵）如果您的指数只是一个标量，则不需要轴。然而，如果它是一个向量，你可以选择特征和类的方向 2` 在这里，one-hot 向量的图像有一行作为深度（类别）和一列作为各自的特征（标签），因此对于这种情况，轴的值为 0。同样，如果您想要特征 x 深度，那么轴的值为 -1。

同样，如果索引是矩阵，那么您可以选择以下方向

（批处理表示索引中的行）3

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

在TensorFlow中，函数'tf.one_hot'中的'axis'参数是什么？

3 个答案:

`axis=-1`

`axis=0`

轴线= 1

轴= 0