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

Question

任何人都可以帮助解释 axis TensorFlow one_hot 功能？

根据 文档：

axis：要填充的轴（默认值：-1，一个新的最里面的轴）

我最接近 SO 的答案是 与 Pandas 相关的解释：

不确定上下文是否同样适用。

原文由 tinonetic 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

这是一个例子：

 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() 产生一个 (3, 4) 张量：

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

…最后一个维度是单热编码的（清晰可见）。这个对应默认的 axis=-1 ，即 最后 一个。

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，它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 one-hot 编码是沿着 0 轴完成的，必须转置矩阵才能看到之前的编码。当输入的维数更高时，情况变得更加复杂，但想法是一样的：不同之处在于用于单热编码的 额外 维数的放置。

原文由 Maxim 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

对我来说 axis 翻译为“你在哪里添加额外的数字来增加维度”。至少这是我解释它并作为助记符的方式。

例如，您有 [1,2,3,0,2,1]，这是形状 (1,6)。这意味着它是一个一维数组。 one_hot 添加零并将原始数组的每个位置的位置转换为 1，为此，原始数组的维度必须比原始数组多 1，轴告诉函数添加它的位置， 这个新维度将标识例子。

---

轴=1

您添加第二个维度并保留第一个维度。这将导致 (6,4) 数组。因此，对于生成的数组，您使用第一个维度 (0) 来了解您看到的是哪个示例，使用第二个维度（1，新的）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

您添加第一个维度，现有维度被移动。这将产生一个 (4,6) 数组。因此，对于生成的数组，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，并使用第二个维度 (1) 来了解您看到的是哪个示例。 newArr[0][1]=0 表示类 0，示例 1，在这种情况下表示示例 1 不属于类 0。

    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

原文由 loco.loop 发布，翻译遵循 CC BY-SA 4.0 许可协议