独热编码原来这么简单，跟发电报的电报机一样hhh（附代码）

本文链接：https://blog.csdn.net/davidsse2025/article/details/137873711

本文介绍了如何将英文字符happy按照字母顺序进行编码，并将其转换为二进制形式在计算机中存储。同时，通过PyTorch示例展示了如何处理时间序列数据，包括序列长度、批量大小和独热编码的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

如图上图所示：

step1:

先对happy按着字母顺序编码，a=0、h=1、p=2、y=3，这个编码很其实在电脑里就代表个位置，因为电脑都是以二进制存储，

step2:

happy的编码出来了：10223

step3:

happy的电脑储存形式就是：

h=1=0100（电脑数数是从0开始的）

a=0=1000

p=2=0010

y=3=0001

好啦！这个就存储好了，看不懂来找我！！！

代码：

import torch

# Paramaters
#SEQ_LEN表示序列的长度，即在时间序列数据中每个序列包含的时间步数。
#BATCH_SIZE表示批量大小，即一次训练所处理的序列数量。
#INPUT_SIZE表示每个时间步的输入特征数量，这通常是独热编码后的特征维度。
SEQ_LEN = 5
BATCH_SIZE = 1
HIDDEN_SIZE = 4
INPUT_SIZE = 4
NUM_LAYERS = 1

# Prepare for the data
words_bag = ['a', 'h', 'p', 'y']
one_hot_bag = [[1, 0, 0, 0],
               [0, 1, 0, 0],
               [0, 0, 1, 0],
               [0, 0, 0, 1]]
input = [1, 0, 2, 2, 3]
target = [2, 1, 0, 3, 2]
input_one_hot = [one_hot_bag[x] for x in input]

inputs = torch.Tensor(input_one_hot).view(SEQ_LEN, BATCH_SIZE, INPUT_SIZE)
targets = torch.LongTensor(target)
print('inputs.shape', inputs, 'targets.shape', targets)