文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.ops.OneHot

class mindspore.ops.OneHot(axis=- 1)

返回一个one-hot类型的Tensor。

生成一个新的Tensor，由索引 indices 表示的位置取值为 on_value ，而在其他所有位置取值为 off_value 。

说明

如果输入索引为秩 N ，则输出为秩 N+1 。新轴在 axis 处创建。当执行设备是 Ascend 时，如果 on_value 为int64类型，则 indices 也必须为int64类型，且 on_value 和 off_value 的取值只能是1和0。

参数：

• axis (int) - 指定one-hot的计算维度。例如，如果 indices 的shape为 $(N,C)$ ，axis 为-1，则输出shape为 $(N,C,D)$ ，如果 axis 为0，则输出shape为 $(D,N,C)$ 。默认值： -1 。

输入：

• indices (Tensor) - 输入索引，shape为 $(X_0,\dots ,X_n)$ 的Tensor。数据类型必须为int32或int64。

• depth (Union[int, Tensor]) - 输入的Scalar，定义one-hot的深度。

• on_value (Tensor) - 当 indices[j] = i 时，用来填充输出的值。数据类型必须为int32、int64、float16或float32。

• off_value (Tensor) - 当 indices[j] != i 时，用来填充输出的值。数据类型与 on_value 的相同。

输出：

Tensor，one-hot类型的Tensor。shape为 $(X_0,\dots ,X_{axis},\text{depth},X_{axis+1},\dots ,X_n)$ ，输出数据类型与 on_value 的相同。

异常：

• TypeError - axis 或 depth 不是int。

• TypeError - indices 的数据类型不是int32或者int64。

• TypeError - on_value 的数据类型不是int32、int64、float16或者float32。

• TypeError - indices、on_value 或 off_value 不是Tensor。

• ValueError - axis 不在[-1, ndim]范围内。

• ValueError - depth 小于0。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> indices = Tensor(np.array([0, 1, 2]), mindspore.int32)
>>> depth, on_value, off_value = 3, Tensor(1.0, mindspore.float32), Tensor(0.0, mindspore.float32)
>>> onehot = ops.OneHot()
>>> output = onehot(indices, depth, on_value, off_value)
>>> print(output)
[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]