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
一ge科研小菜鸡2 分钟前
人工智能驱动下的可再生能源气象预测:构建绿色能源时代的新大脑
人工智能·能源
高压锅_122013 分钟前
Cursor+Coze+微信小程序实战: AI春联生成器
人工智能·微信小程序·notepad++
XiaoQiong.Zhang14 分钟前
数据分析框架和方法
人工智能
TY-202523 分钟前
三、神经网络——网络优化方法
人工智能·深度学习·神经网络
Jamence31 分钟前
多模态大语言模型arxiv论文略读(156)
论文阅读·人工智能·语言模型·自然语言处理·论文笔记
哔哩哔哩技术33 分钟前
IndexTTS2:用极致表现力颠覆听觉体验
人工智能
GengMS_DEV44 分钟前
使用开源kkfileview实现电子档案文件的万能预览/水印等功能
人工智能
纪伊路上盛名在1 小时前
(鱼书)深度学习入门1:python入门
人工智能·python·深度学习
Shuai@1 小时前
VILA-M3: Enhancing Vision-Language Models with Medical Expert Knowledge
人工智能·语言模型·自然语言处理