PyTorch torch.nn.functional.one_hot用法解析

1.用法

在PyTorch中,我们可以使用torch.nn.functional.one_hot函数来实现One-Hot编码。下面是一个简单的例子:

python 复制代码
import torch
import torch.nn.functional as F
# 假设我们有一个包含类别标签的张量
labels = torch.tensor([0, 2, 1, 0, 2])
# 使用torch.nn.functional.one_hot进行One-Hot编码
one_hot = F.one_hot(labels, num_classes=3)
print(one_hot)

重点在于下面的两点:

2.one_hot的输入需要是非负整数张量(小数和负数都不行)

3.经过one_hot处理后张量维度的变化:

假设输入的张量维度是n,那么输出张量维度就是n+1,而且多的这一维度是加在了最后一维。例如,输入张量是1维的,经过one_hot处理后就变成了2维的。关于这最后一维具体是多少,又有两种情况:

python 复制代码
import torch
import torch.nn.functional as F

a = torch.tensor([[1,1,2]])
b = F.one_hot(a)
c = F.one_hot(a,4)
print(b.shape,c.shape)

A.以上面代码为例,如果不指定num_classes,pytorch默认将a中最大值加1作为标签类别最大数,此时最后一维就等于该最大值。例如,a中最大值是2,标签类别最大数就是2+1=3,那么b的形状就是(1,3,3)

B.如果指定了num_classes,此时最后一维就等于num_classes,那么b的形状就是(1,3,4)

其实说白了最后一维就等于num_classes,区别只在于num_classes是否被提前指定而已

相关推荐
Baihai_IDP7 分钟前
vec2text 技术已开源!一定条件下,文本嵌入向量可“近乎完美地”还原
人工智能·面试·llm
江太翁11 分钟前
Pytorch torch
人工智能·pytorch·python
拓端研究室27 分钟前
专题:2025即时零售与各类人群消费行为洞察报告|附400+份报告PDF、原数据表汇总下载
大数据·人工智能
网安INF31 分钟前
深度学习中的逻辑回归:从原理到Python实现
人工智能·python·深度学习·算法·逻辑回归
Despacito0o32 分钟前
ESP32-s3摄像头驱动开发实战:从零搭建实时图像显示系统
人工智能·驱动开发·嵌入式硬件·音视频·嵌入式实时数据库
Leinwin34 分钟前
微软发布突破性医疗AI系统
人工智能·microsoft
机器之心35 分钟前
刚刚,Ilya Sutskever宣布自任CEO:联创被Meta挖走了
人工智能
William.csj1 小时前
Pytorch——查看模型的推理引擎
人工智能·pytorch
NAGNIP1 小时前
Transformer注意力机制——MHA&MQA&GQA
人工智能·算法