Creando un one-hot para el conjunto de datos Fashion-MNIST con tensorFlow.

¿Es el caso a continuación un escenario en el que se debe crear una codificación caliente (hot-one encoding) para las etiquetas?

También intenté crear una codificación caliente (hot-one encoding) pero seguí obteniendo errores. ¿Cómo se hace esto?

Nota: Estoy trabajando en Google Colab.

Gracias.

import tensorflow as tf
from tensorflow import keras
import numpy as np
import matplotlib.pyplot as plt

fashion = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion.load_data()

class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress','Coat',
               'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']

train_images =  tf.cast(train_images, tf.float32) / 255.0
test_images = tf.cast(test_images, tf.float32) / 255.0

model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28)),
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(train_images, train_labels, epochs=10, batch_size=512, shuffle=True, validation_split=0.1)

Para agregar la codificación caliente (hot-one encoding), intenté cambiar los datos a:

train_images =  tf.cast(train_images, tf.float32) / 255.0
test_images = tf.cast(test_images, tf.float32) / 255.0

train_labels = tf.one_hot(tf.cast(train_labels, tf.int64), depth=10)
test_labels = tf.one_hot(tf.cast(test_labels, tf.int64), depth=10)

Lo cual dio el siguiente error:

InvalidArgumentError Traceback (most recent call last)
in ()
27
28
—> 29 model.fit(train_images, train_labels, epochs=10, batch_size=512, shuffle=True, validation_split=0.1)
30