官网默认定义如下：
one_hot(indices, depth, on_value=None, off_value=None, axis=None, dtype=None, name=None)
该函数的功能主要是转换成one_hot类型的张量输出。


参数功能如下：
　　1）indices中的元素指示on_value的位置，不指示的地方都为off_value。indices可以是向量、矩阵。
　　2）depth表示输出张量的尺寸，indices中元素默认不超过（depth-1），如果超过，输出为[0,0,···,0]
　　3）on_value默认为1
　　4）off_value默认为0
　　5）dtype默认为tf.float32


下面用几个例子说明一下：
1. indices是向量
 1 import tensorflow as tf
 2 
 3 indices = [0,2,3,5]
 4 depth1 = 6   # indices没有元素超过(depth-1)
 5 depth2 = 4   # indices有元素超过(depth-1)
 6 a = tf.one_hot(indices,depth1)
 7 b = tf.one_hot(indices,depth2)
 8 
 9 with tf.Session() as sess:
10     print('a = \n',sess.run(a))
11     print('b = \n',sess.run(b))

运行结果：

# 输入是一维的，则输出是一个二维的
a = 
 [[1. 0. 0. 0. 0. 0.]
  [0. 0. 1. 0. 0. 0.]
  [0. 0. 0. 1. 0. 0.]
  [0. 0. 0. 0. 0. 1.]]　　　　　　# shape=(4,6)
b = 
 [[1. 0. 0. 0.]
  [0. 0. 1. 0.]
  [0. 0. 0. 1.]
  [0. 0. 0. 0.]]　　　　　　　　　 # shape=(4,4)

2. indices是矩阵

 1 import tensorflow as tf
 2 
 3 indices = [[2,3],[1,4]]
 4 depth1 = 9   # indices没有元素超过(depth-1)
 5 depth2 = 4   # indices有元素超过(depth-1)
 6 a = tf.one_hot(indices,depth1)
 7 b = tf.one_hot(indices,depth2)
 8 
 9 with tf.Session() as sess:
10     print('a = \n',sess.run(a))
11     print('b = \n',sess.run(b))

运行结果：

# 输入是二维的，则输出是三维的
a = 
 [[[0. 0. 1. 0. 0. 0. 0. 0. 0.]
   [0. 0. 0. 1. 0. 0. 0. 0. 0.]]

  [[0. 1. 0. 0. 0. 0. 0. 0. 0.]
   [0. 0. 0. 0. 1. 0. 0. 0. 0.]]]　　　　# shape=(2,2,9)
b = 
 [[[0. 0. 1. 0.]
   [0. 0. 0. 1.]]

  [[0. 1. 0. 0.]
   [0. 0. 0. 0.]]]　　　　　　　　　　　　　# shape=(2,2,4)