tensorflow 是否有类似于 scikit learn 的 one hot encoder 的东西来处理分类数据？使用 tf.string 的占位符会表现为分类数据吗？
我意识到我可以在将数据发送到 tensorflow 之前手动对其进行预处理，但是内置它非常方便。
【问题讨论】：
标签： python machine-learning neural-network tensorflow
从 TensorFlow 0.8 开始，现在有一个 native one-hot op, tf.one_hot 可以将一组稀疏标签转换为密集的 one-hot 表示。这是对 tf.nn.sparse_softmax_cross_entropy_with_logits 的补充，在某些情况下，它可以让您直接在稀疏标签上计算交叉熵，而不是将它们转换为 one-hot。
以前的答案，如果你想用旧方法做的话： @Salvador 的答案是正确的 - （曾经）没有本地操作可以做到这一点。但是，您可以使用 sparse-to-dense 运算符在 tensorflow 中本地执行，而不是在 numpy 中执行此操作：
num_labels = 10
# label_batch is a tensor of numeric labels to process
# 0 <= label < num_labels
sparse_labels = tf.reshape(label_batch, [-1, 1])
derived_size = tf.shape(label_batch)[0]
indices = tf.reshape(tf.range(0, derived_size, 1), [-1, 1])
concated = tf.concat(1, [indices, sparse_labels])
outshape = tf.pack([derived_size, num_labels])
labels = tf.sparse_to_dense(concated, outshape, 1.0, 0.0)
输出标签是 batch_size x num_labels 的 one-hot 矩阵。
另请注意，截至 2016 年 2 月 12 日（我认为最终将成为 0.7 版本的一部分），TensorFlow 还具有 tf.nn.sparse_softmax_cross_entropy_with_logits 操作，在某些情况下可以让您进行训练而无需转换为one-hot 编码。
编辑添加：最后，您可能需要明确设置标签的形状。形状推断无法识别 num_labels 组件的大小。如果您不需要带 derived_size 的动态批量大小，可以简化。
于 2016 年 2 月 12 日编辑，以更改下面每条评论的 outshape 分配。
【讨论】：
IndexError: list index out of range。分配 outshape = tf.pack([derived_size, num_labels]) 对我有用。
tf.nn.sparse_softmax_cross_entropy_with_logits会更好，我们可以转换为一个热并使用tf.nn.softmax_cross_entropy_with_logits。
tf.concat([indices, sparse_labels], 1) 和 outshape = tf.stack([derived_size, num_labels])
tf.one_hot() 在 TF 中可用并且易于使用。
假设您有 4 个可能的类别（猫、狗、鸟、人类）和 2 个实例（猫、人类）。所以你的depth=4 和你的indices=[0, 3]
import tensorflow as tf
res = tf.one_hot(indices=[0, 3], depth=4)
with tf.Session() as sess:
print sess.run(res)
请记住，如果您提供 index=-1，您将在 one-hot 向量中得到全零。
旧答案，当此功能不可用时。
查看python documentation 后，我没有发现任何类似的东西。让我更加坚信它不存在的一件事是，他们在 their own example 中手动编写了 one_hot。
def dense_to_one_hot(labels_dense, num_classes=10):
"""Convert class labels from scalars to one-hot vectors."""
num_labels = labels_dense.shape[0]
index_offset = numpy.arange(num_labels) * num_classes
labels_one_hot = numpy.zeros((num_labels, num_classes))
labels_one_hot.flat[index_offset + labels_dense.ravel()] = 1
return labels_one_hot
您也可以在scikitlearn 中执行此操作。
【讨论】：
numpy 做到了！
import numpy as np
np.eye(n_labels)[target_vector]
【讨论】：
np.ndarray 的精美索引。假设目标向量是 [2, 0] 那么np.eye(n_labels)[target_vector] 将返回单位矩阵的第三行和第一行（按此顺序）。这很漂亮。
一种对任何整数或整数列表进行一次性编码的简单而简短的方法：
a = 5
b = [1, 2, 3]
# one hot an integer
one_hot_a = tf.nn.embedding_lookup(np.identity(10), a)
# one hot a list of integers
one_hot_b = tf.nn.embedding_lookup(np.identity(max(b)+1), b)
【讨论】：
tf.cast 将 a 和 b 显式转换为 int32
TensorFlow 的最新版本（nightlies 甚至可能是 0.7.1）有一个名为 tf.one_hot 的操作，可以满足您的需求。看看吧！
另一方面，如果您有一个密集矩阵，并且想要在其中查找和聚合值，您可能需要使用 embedding_lookup 函数。
【讨论】：
也许这是由于自 2015 年 11 月以来对 Tensorflow 的更改，但 @dga 的回答产生了错误。我确实让它与以下修改一起工作：
sparse_labels = tf.reshape(label_batch, [-1, 1])
derived_size = tf.shape(sparse_labels)[0]
indices = tf.reshape(tf.range(0, derived_size, 1), [-1, 1])
concated = tf.concat(1, [indices, sparse_labels])
outshape = tf.concat(0, [tf.reshape(derived_size, [1]), tf.reshape(num_labels, [1])])
labels = tf.sparse_to_dense(concated, outshape, 1.0, 0.0)
【讨论】：
看看tf.nn.embedding_lookup。它从分类 ID 映射到它们的嵌入。
有关如何将其用于输入数据的示例，请参阅here。
【讨论】：
你可以使用tf.sparse_to_dense:
sparse_indices 参数指示应该去哪里， output_shape 应该设置为可能的输出的数量（例如标签的数量），并且 sparse_values 应该是 1 具有所需的类型（它将确定输出的类型sparse_values 的类型）。
【讨论】：
在 Scikit Flow 中有embedding_ops 以及处理分类变量等的示例。
如果您刚开始学习 TensorFlow，我建议您先在 TensorFlow/skflow 中尝试 examples，然后在您更熟悉 TensorFlow 后，您可以很容易地插入 TensorFlow 代码来构建自定义模型你想要（也有这方面的例子）。
希望这些图像和文本理解示例可以帮助您入门，如果您遇到任何问题，请告诉我们！ （在 SO 中发布问题或标记 skflow）。
【讨论】：
当前版本的 tensorflow 实现了以下用于创建 one-hot 张量的函数：
https://www.tensorflow.org/versions/master/api_docs/python/array_ops.html#one_hot
【讨论】：
正如@dga 上面提到的，Tensorflow 现在有tf.one_hot：
labels = tf.constant([5,3,2,4,1])
highest_label = tf.reduce_max(labels)
labels_one_hot = tf.one_hot(labels, highest_label + 1)
array([[ 0., 0., 0., 0., 0., 1.],
[ 0., 0., 0., 1., 0., 0.],
[ 0., 0., 1., 0., 0., 0.],
[ 0., 0., 0., 0., 1., 0.],
[ 0., 1., 0., 0., 0., 0.]], dtype=float32)
你需要指定深度，否则你会得到一个修剪过的 one-hot 张量。
如果您喜欢手动操作：
labels = tf.constant([5,3,2,4,1])
size = tf.shape(labels)[0]
highest_label = tf.reduce_max(labels)
labels_t = tf.reshape(labels, [-1, 1])
indices = tf.reshape(tf.range(size), [-1, 1])
idx_with_labels = tf.concat([indices, labels_t], 1)
labels_one_hot = tf.sparse_to_dense(idx_with_labels, [size, highest_label + 1], 1.0)
array([[ 0., 0., 0., 0., 0., 1.],
[ 0., 0., 0., 1., 0., 0.],
[ 0., 0., 1., 0., 0., 0.],
[ 0., 0., 0., 0., 1., 0.],
[ 0., 1., 0., 0., 0., 0.]], dtype=float32)
注意 tf.concat() 中的参数顺序
【讨论】：
有几种方法可以做到这一点。
ans = tf.constant([[5, 6, 0, 0], [5, 6, 7, 0]]) #batch_size*max_seq_len
labels = tf.reduce_sum(tf.nn.embedding_lookup(np.identity(10), ans), 1)
>>> [[ 0. 0. 0. 0. 0. 1. 1. 0. 0. 0.]
>>> [ 0. 0. 0. 0. 0. 1. 1. 1. 0. 0.]]
另一种方法是。
labels2 = tf.reduce_sum(tf.one_hot(ans, depth=10, on_value=1, off_value=0, axis=1), 2)
>>> [[0 0 0 0 0 1 1 0 0 0]
>>> [0 0 0 0 0 1 1 1 0 0]]
【讨论】：
我的@CFB 和@dga 示例的版本，为了便于理解而缩短了一点。
num_labels = 10
labels_batch = [2, 3, 5, 9]
sparse_labels = tf.reshape(labels_batch, [-1, 1])
derived_size = len(labels_batch)
indices = tf.reshape(tf.range(0, derived_size, 1), [-1, 1])
concated = tf.concat(1, [indices, sparse_labels])
labels = tf.sparse_to_dense(concated, [derived_size, num_labels], 1.0, 0.0)
【讨论】：
In [7]: one_hot = tf.nn.embedding_lookup(np.eye(5), [1,2])
In [8]: one_hot.eval()
Out[8]:
array([[ 0., 1., 0., 0., 0.],
[ 0., 0., 1., 0., 0.]])
适用于 TF 版本 1.3.0。截至 2017 年 9 月。
【讨论】：
Tensorflow 2.0 兼容答案：您可以使用 Tensorflow Transform 有效地做到这一点。
使用 Tensorflow Transform 执行 One-Hot 编码的代码如下所示：
def get_feature_columns(tf_transform_output):
"""Returns the FeatureColumns for the model.
Args:
tf_transform_output: A `TFTransformOutput` object.
Returns:
A list of FeatureColumns.
"""
# Wrap scalars as real valued columns.
real_valued_columns = [tf.feature_column.numeric_column(key, shape=())
for key in NUMERIC_FEATURE_KEYS]
# Wrap categorical columns.
one_hot_columns = [
tf.feature_column.categorical_column_with_vocabulary_file(
key=key,
vocabulary_file=tf_transform_output.vocabulary_file_by_name(
vocab_filename=key))
for key in CATEGORICAL_FEATURE_KEYS]
return real_valued_columns + one_hot_columns
有关更多信息，请参阅此Tutorial on TF_Transform。
【讨论】：