谁能解释一下TensorFlow中one_hot函数中的axis参数是什么意思？

根据文档的描述：

axis: 填充的轴（默认值：-1，表示最内层的新轴）

我在Stack Overflow上找到的答案与Pandas有关的解释最接近：

不确定这种解释是否适用于当前的上下文。

回答：

这里有一个例子：

x = tf.constant([0, 1, 2])

… 是输入张量，N=4（每个索引被转换为4维向量）。

axis=-1

计算one_hot_1 = tf.one_hot(x, 4).eval()会得到一个(3, 4)的张量：

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

… 其中最后一个维度是独热编码的（非常明显）。这对应于默认的axis=-1，即最后一个维度。

axis=0

现在，计算one_hot_2 = tf.one_hot(x, 4, axis=0).eval()会得到一个(4, 3)的张量，这不容易被识别为独热编码：

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

这是因为独热编码是在0轴上进行的，需要转置矩阵才能看到之前的编码。当输入是更高维度时，情况会变得更加复杂，但基本思想是相同的：区别在于用于独热编码的额外维度的位置。