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：

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
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.]]

PaddlePaddle

paddle.nn / functional / one_hot

one_hot¶

PaddlePaddle

paddle

paddle.amp

paddle.callbacks

paddle.compat

paddle.distributed

paddle.distribution

paddle.fluid

paddle.io

paddle.jit

paddle.metric

paddle.nn

paddle.onnx

paddle.optimizer

paddle.regularizer

paddle.static

paddle.sysconfig

paddle.text

paddle.utils

paddle.vision

paddle.nn / functional / one_hot

one_hot¶