剛剛入tensorflow的大坑，根據自己的理解今天來記錄一下如何將數字標籤轉化為one-hot形式。有錯誤的請諒解哈哈哈
what is form of one-hot ?即用包含0和1的tensor來表示數字標籤，數字1所在的索引值（從0開始）即為我們的數字標籤，例如我們有0-9的數字標籤，則標籤5所對應的one-hot形式為[0 , 0 , 0 , 0 , 0 ,1 , 0 , 0 , 0 , 0]，因為1所在位置的索引值為5。
And how to transform the digital labels into one-hot tensor ? 我先把tensorflow 官網（tensorflow.google.cn）上的程式碼貼出來：

現在看看每一個語句的作用：

1.batch_size = tf.size(labels)

我們需要對所有的數字標籤進行轉換，所以第一步，先通過上述語句獲取標籤的個數。比如，我們的標籤陣列為 labels = [1 , 4 , 6 , 8 , 3 , 7]，則有

2.labels_1 = tf.expand_dims(labels, 1)

該語句的是將labels的維度索引軸axis為1處（從0開始）插入1的尺寸。現在我們先看看labels的shape:

那麼，經過語句2之後，有

如上所述
從一開始的shape[6]（axis=0處有6個值）變成了shape[6,1]（axis=0時有6個值，axis=1處插入1），不清楚的話可以試試：
labels_1 = tf.expand_dims(labels, 0)

補充: tf.expand_dims(input, axis=None)函式表示給定輸入tensor，在輸入shape的維度索引軸axis處插入為1的尺寸。 維度索引軸從0開始; 如果axis為負數，則從後向前計數。

3.indices =    tf.expand_dims(tf.range(0,batch_size,1),1)

tf.range(start, limit, delta=1)函式是用來生成tensor等差序列，序列在start到limit之間（包含start不包含limit），步長為dalta。
語句3先生成0-5的向量，再同語句2同樣的擴充套件維度：

4.concated 
 
= tf.concat([indices, labels_1],1)

concated = tf.concat([indices, labels_1],concat_dim)表示在第concat_dim+1個維度疊加，例如，語句4的輸出為：

其中，concat_dim=0（第一個維度）可以認為是行，concat_dim=1（第二個維度）為列，所以語句4 在列上疊加。更多維度的資訊自行查閱。

5.onehot_labels = tf.sparse_to_dense(concated, tf.stack([batch_size, 10]), 1.0, 0.0)

在語句5中，concated矩陣（如上圖）表示[0,1],[1,4]….[5,9]有值，tf.stack([batch_size, 10])表示輸出的one-hot矩陣，每一行表示一個標籤對應的ont-hot形式。1.0為one-hot的意義所在，即ont-hot矩陣中對應於concated矩陣有值的位置為1.0,然後0.0表示沒值的位置為0.0。
語句5 的輸出結果如圖：