如何制作一个张量的每一行包含多个“1”的单热张量？答案

【问题标题】：How to make an onehot tensor with every row of the tensor contains more than one '1'?如何制作一个张量的每一行包含多个“1”的单热张量？
【发布时间】：2018-01-26 17:08:24
【问题描述】：

我需要构建一个onehot张量，张量的每一行都包含两个'1'，并且我已经得到了索引张量，但是如何构建张量？我知道如果batchsize=1，onehot = tf.sparse_to_dense(index, tf.stack([batchsize,10]), 1.0, 0.0)可以完成，但是如果batchsize>1，我该怎么办？换句话说，如何构建张量：

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

带有标签：

[[1,3,5]
 [3,5,6]]

【问题讨论】：

这应该在数据准备时完成，在将数据输入到 tensorflow 之前。

标签： python tensorflow deep-learning one-hot-encoding

【解决方案1】：

import tensorflow as tf
sess = tf.InteractiveSession()
indices = [[1,3,5], [3,5,6]]
depth = 10
tmp_onehot_3D = tf.one_hot(indices, depth)
onehot_2D = tf.reduce_sum(tmp_onehot_3D, axis=1)
onehot_2D.eval()

结果：

array([[0., 1., 0., ..., 0., 0., 0.],
       [0., 0., 0., ..., 0., 0., 0.]], dtype=float32)

【讨论】：

【解决方案2】：

这不如@Maosi Chen 简洁，但它也提供了另一种方法。要点是将切片转换为二维坐标集，然后从中生成稀疏张量，并将其转换为密集张量。

import tensorflow as tf

slices = tf.constant([[1, 3, 5], [3, 5, 6]], dtype=tf.int64)
values = tf.ones_like(slices)

nrows = 2
ncols = 10

row_inds = tf.range(nrows, dtype=slices.dtype)

flattened_indices = tf.reshape(slices * nrows + row_inds[:, None], [-1])

twod_inds = tf.stack(
    [flattened_indices % nrows, flattened_indices // nrows], axis=1)

one_hot_sparse = tf.SparseTensor(
    twod_inds, values=tf.reshape(values, [-1]), dense_shape=(nrows, ncols))

one_hot_dense = tf.sparse_tensor_to_dense(one_hot_sparse, validate_indices=False)
with tf.Session() as sess:
    print(sess.run(one_hot_dense))

这是输出

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

【讨论】：