深度学习中将类别标签映射到one_hot向量

　　有时我们的样本标签，都是标记从0开始直至到类别的个数。在模型训练的时候，这些标签需要变成one_hot向量，这样才能够跟softmax出来的概率做互熵损失，计算loss。

　　那么，映射的方法如下：

1 def to_one_hot(y, n_class):
2     return np.eye(n_class)[y]

　　

　　y： 类型是list，样本的类别标签序列

　　n_class： 类别的个数

    x = to_one_hot([0,1,2], 3)
    print(x)

　　输出：