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

Posted 2023-02-23

【中文标题】在TensorFlow中，函数\'tf.one_hot\'中的参数\'axis\'是啥

【英文标题】：In TensorFlow, what is the argument 'axis' in the function 'tf.one_hot'在TensorFlow中，函数'tf.one_hot'中的参数'axis'是什么

【发布时间】：2018-06-13 10:53:18

【问题描述】：

谁能帮忙解释一下axis在TensorFlow的one_hot函数中是什么？

根据documentation：

axis：要填充的轴（默认值：-1，新的最内层轴）

最近我在SO was an explanation 上找到了与Pandas 相关的答案：

不确定上下文是否同样适用。

【参考方案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() 会产生一个 (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）。这对应于默认的axis=-1，即最后一个。

axis=0

现在，计算 one_hot_2 = tf.one_hot(x, 4, axis=0).eval() 会产生一个 (4, 3) 张量，它不能立即识别为 one-hot 编码：

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

这是因为 one-hot 编码是沿 0 轴完成的，必须转置矩阵才能看到之前的编码。当输入的维度更高时，情况会变得更加复杂，但想法是一样的：不同之处在于用于 one-hot 编码的 额外 维度的位置。

【讨论】：

谢谢你的解释，虽然它对我来说非常密集，所以一次问一个。你怎么知道x = tf.constant([[1, 1, 2], [0, 1, 2]]) 会产生一个4D 向量？...是不是它是一个由二维数组作为元素的数组？

我想我需要阅读。我有太多的问题。有没有可能用二维数组来简化你的答案？......我认为，如果失败了，我将不得不回到第一原则......毫无疑问，你的答案可能是正确的

没关系。我试图为每件事选择不同的维度以避免误解。输入x 是(2, 3)。编码结果是 4D，因为我们设置了N=4（想想类的数量）。这就是结果为(2, 3, 4) 或(4, 3, 2) 的原因，具体取决于展示位置。

实际上，是的，您也可以看到与x = tf.constant([0, 1, 2]) 的区别：结果是(3, 4) 或(4, 3)

哈哈。我要回去阅读第一原则。我绝对不明白。与您的回答无关，但我对这个主题缺乏深度。谢谢，不管怎样。将其标记为信任您对该主题的了解的答案...然后我将重新阅读:)

【参考方案2】：

对我来说，轴转换为“你在哪里添加额外的数字来增加维度”。至少我是这样解释它并作为助记符的。

例如，您有 [1,2,3,0,2,1]，它的形状为 (1,6)。这意味着它是一个一维数组。 one_hot 在原始数组的每个位置添加零并将位置转换为 1，为此，原始数组必须比原始数组多 1 个维度，并且轴告诉函数在哪里添加它，这个新维度将识别示例。

---

轴=1

您添加第二个维度并保留第一个维度。这将产生一个 (6,4) 数组。因此，对于结果数组，您使用第一个维度 (0) 来了解您看到的是哪个示例，并使用第二个维度 (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

您添加第一个维度并移动现有维度。这将产生一个 (4,6) 数组。因此，对于结果数组，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) 来了解您看到的示例。 newArr[0][1]=0 表示 0 类，示例 1，在这种情况下表示示例 1 不属于 0 类。

   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

【讨论】：

很好的解释，但输入数组不是 (1, 6) 而不是 (6, 1)？

我对你的回答不满意...对不起

【参考方案3】：

对我来说，我是这样理解的—— （注意documentation中提到的索引只是类标签的信息，它可以是标量或向量或矩阵） 如果您的索引只是一个标量，则不需要轴。 但是，如果它是一个向量，您可以选择特征和类的方向2` 这里单热向量的图像有一行作为深度（类）和一列作为相应的特征（标签），因此对于这种情况，轴的值为 0。 同样，如果您想要特征 x 深度，则轴的值为 -1。

同样，如果索引是矩阵，那么您可以选择以下方向

---

（batch 表示索引中的行）3

batch x features x depth if axis == -1
batch x depth x features if axis == 1
depth x batch x features if axis == 0