mindspore.ops.OneHot

class mindspore.ops.OneHot(axis=- 1)[源代码]

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

Note

如果输入索引为秩 N ,则输出为秩 N+1 。新轴在 axis 处创建。

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 \((X_0, \ldots, X_n)\) 的Tensor。数据类型必须为int32或int64。

  • depth (int) - 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。数据类型为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 \((X_0, \ldots, X_{axis}, \text{depth} ,X_{axis+1}, \ldots, X_n)\)

异常:

  • TypeError - axisdepth 不是int。

  • TypeError - indices 的数据类型既不是int32也不是int64。

  • TypeError - indiceson_valueoff_value 不是Tensor。

  • ValueError - axis 不在[-1,len(indices_shape)]范围内。

  • ValueError - depth 小于0。

支持平台:

Ascend GPU CPU

样例:

>>> 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.]]