刚刚入tensorflow的大坑，根据自己的理解今天来记录一下如何将数字标签转化为one-hot形式。有错误的请谅解哈哈哈
what is form of one-hot ?即用包含0和1的tensor来表示数字标签，数字1所在的索引值（从0开始）即为我们的数字标签，例如我们有0-9的数字标签，则标签5所对应的one-hot形式为[0 , 0 , 0 , 0 , 0 ,1 , 0 , 0 , 0 , 0]，因为1所在位置的索引值为5。
And how to transform the digital labels into one-hot tensor ? 我先把tensorflow 官网（tensorflow.google.cn）上的代码贴出来：

现在看看每一个语句的作用：

1.batch_size = tf.size(labels)

我们需要对所有的数字标签进行转换，所以第一步，先通过上述语句获取标签的个数。比如，我们的标签数组为 labels = [1 , 4 , 6 , 8 , 3 , 7]，则有

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

该语句的是将labels的维度索引轴axis为1处（从0开始）插入1的尺寸。现在我们先看看labels的shape:

那么，经过语句2之后，有

如上所述
从一开始的shape[6]（axis=0处有6个值）变成了shape[6,1]（axis=0时有6个值，axis=1处插入1），不清楚的话可以试试：
labels_1 = tf.expand_dims(labels, 0)

补充: tf.expand_dims(input, axis=None)函数表示给定输入tensor，在输入shape的维度索引轴axis处插入为1的尺寸。 维度索引轴从0开始; 如果axis为负数，则从后向前计数。

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

tf.range(start, limit, delta=1)函数是用来生成tensor等差序列，序列在start到limit之间（包含start不包含limit），步长为dalta。
语句3先生成0-5的向量，再同语句2同样的扩展维度：

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

concated = tf.concat([indices, labels_1],concat_dim)表示在第concat_dim+1个维度叠加，例如，语句4的输出为：

其中，concat_dim=0（第一个维度）可以认为是行，concat_dim=1（第二个维度）为列，所以语句4 在列上叠加。更多维度的信息自行查阅。

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

在语句5中，concated矩阵（如上图）表示[0,1],[1,4]….[5,9]有值，tf.stack([batch_size, 10])表示输出的one-hot矩阵，每一行表示一个标签对应的ont-hot形式。1.0为one-hot的意义所在，即ont-hot矩阵中对应于concated矩阵有值的位置为1.0,然后0.0表示没值的位置为0.0。
语句5 的输出结果如图：