TensorFlow、把数字标签转化成onehot标签

在MNIST手写字数据集中，我们导入的数据和标签都是预先处理好的，但是在实际的训练中，数据和标签往往需要自己进行处理。

以手写数字识别为例，我们需要将0-9共十个数字标签转化成onehot标签。例如：数字标签“6”转化为onehot标签就是[0，0，0，0，0，0，1，0，0，0].

首先获取需要处理的标签的个数：

batch_size = tf.size(labels)
1
假设输入了6张手写字图片，那么对应的标签数为6，batch_size=6.

tf.size(input) 函数为获取输入tensor的元素数量。

例：设 t = [[1,2],[3,4]]，则 tf.size(t) 的结果为4。

然后我们知道onehot标签的shape为[batch_size，10]，采用稀疏编码的方法，在onehot标签中选择能够代表标签的位置，将其置为1，其余位置置为0。因此要选择onehot中需要置为1的位置的坐标。

labels = tf.expand_dims(labels, 1)
indices = tf.expand_dims(tf.range(0, batch_size, 1), 1)
concated = tf.concat([indices, labels]，1)

　　

这里得到的concated就是所要