我使用tensorflow尝试定义一个图形，该图形的结果形状为1x500实数，并将其分类为500个1-hot编码的数组。
所以需要类似
[1,-1,3,-5,...]
并将其转换为此
[[0,0,1,0],[0,1,0,0],[0,0,0,3],[1,0,0,0]]
我也希望在培训过程中了解界限。我读了很多书，觉得它很普通，但是我一直在努力寻找实现它的确切功能。
我目前有定义如下图的代码：
X = tf.placeholder(tf.float32, shape=[1, 10], name='X')
W1 = tf.Variable(tf.random_normal([10, 500], stddev=1.0), name="W1")
B1 = tf.Variable(tf.random_normal([500], stddev=1.0), name="B1")
A1 = tf.nn.softmax(tf.matmul(X,W1) + B1, name="A1")
W2 = tf.Variable(tf.random_normal([500 , 1], stddev=1.0), name="W2")
B2 = tf.Variable(tf.random_normal([500], stddev=1.0), name="B2")
buckets = tf.Variable(tf.random_normal([4], stddev=1.0), name="Bk")
// This doesn't work
Y = tf.contrib.layers.bucketized_column(tf.matmul(A1, W2) + B2, boundaries=buckets)
// This also doesnt work
Y = tf.feature_column.bucketized_column(tf.matmul(A1, W2) + B2, boundaries=buckets)
我有点明白我的输出是张量，而bucketized_column函数想要一个feature_column，但是我真的不知道如何到达那里，或者是否还有另一个更合适的函数？