one_hot¶

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

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：

         输入：
  X.shape = [4]
  X.data = [1, 1, 3, 0]
  num_classes = 4

输出：
  Out.shape = [4, 4]
  Out.data = [[0., 1., 0., 0.],
              [0., 1., 0., 0.],
              [0., 0., 0., 1.],
              [1., 0., 0., 0.]]

        

示例 2：

         输入：
  X.shape = [4]
  X.data = [1, 1, 5, 0]
  num_classes = 4

输出：抛出 Illegal value 的异常
  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 \([N_1, ..., N_n]\) 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¶

          import paddle
# Correspond to the first example above, where label.shape is 4 and one_hot_label.shape is [4, 4].
label = paddle.to_tensor([1, 1, 3, 0], dtype='int64')
# label.shape = [4]
one_hot_label = paddle.nn.functional.one_hot(label, num_classes=4)
# one_hot_label.shape = [4, 4]
# one_hot_label = [[0., 1., 0., 0.],
#                  [0., 1., 0., 0.],
#                  [0., 0., 0., 1.],
#                  [1., 0., 0., 0.]]

         