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 - axis 或 depth 不是int。
TypeError - indices 的数据类型既不是uint8，也不是int32或者int64。
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：

>>> 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.]]