one_hot

paddle.nn.functional.one_hot ( x, num_classes, name=None ) [源代码]

该OP将输入’x’中的每个id转换为一个one-hot向量，其长度为 num_classes ，该id对应的向量维度上的值为1，其余维度的值为0。

输出的Tensor的shape是在输入shape的最后一维后面添加了num_classes的维度。

  • 示例1：
  1. 输入：
  2.   X.shape = [4]
  3.   X.data = [1, 1, 3, 0]
  4.   num_classes = 4
  6. 输出：
  7.   Out.shape = [4, 4]
  8.   Out.data = [[0., 1., 0., 0.],
  9.               [0., 1., 0., 0.],
  10.               [0., 0., 0., 1.],
  11.               [1., 0., 0., 0.]]
  • 示例2：
  1. 输入：
  2.   X.shape = [4]
  3.   X.data = [1, 1, 5, 0]
  4.   num_classes = 4
  6. 输出：抛出 Illegal value 的异常
  7.   X中第2维的值是5，超过了num_classes，因此抛异常。

参数：

  • x (Tensor) - 维度为

    one_hot - 图1

    的多维Tensor，维度至少1维。数据类型为int32或int64。

  • num_classes (int) - 用于定义一个one-hot向量的长度。若输入为词id，则 num_classes 通常取值为词典大小。

  • name (str，可选) – 具体用法请参见 Name ，一般无需设置，默认值为None。

返回：Tensor，转换后的one_hot Tensor，数据类型为float32。

代码示例：

  1. import paddle
  2. label = paddle.to_tensor([1, 1, 3, 0], dtype='int64')
  3. # label.shape = [4]
  4. one_hot_label = paddle.nn.functional.one_hot(label, num_classes=4)
  5. # one_hot_label.shape = [4, 4]
  6. # one_hot_label = [[0., 1., 0., 0.],
  7. #                  [0., 1., 0., 0.],
  8. #                  [0., 0., 0., 1.],
  9. #                  [1., 0., 0., 0.]]