torch将label转为OneHot遇到的问题

最新推荐文章于 2024-04-15 16:27:39 发布
最新推荐文章于 2024-04-15 16:27:39 发布
阅读量2k 收藏
点赞数 5
分类专栏： 深度学习 python 文章标签： python torch 分割
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/longshaonihaoa/article/details/96338046
版权

方法同: https://www.jianshu.com/p/15b1b809074c

遇到问题报错：

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python3/dist-packages/spyderlib/widgets/externalshell/sitecustomize.py", line 699, in runfile
    execfile(filename, namespace)
  File "/usr/lib/python3/dist-packages/spyderlib/widgets/externalshell/sitecustomize.py", line 88, in execfile
    exec(compile(open(filename, 'rb').read(), filename, 'exec'), namespace)
  File "/media/muya/32512c1a-a13e-4164-99e7-8dd2e82d0358/UDAimage/RES18/train.py", line 182, in <module>
    train(args)
  File "/media/muya/32512c1a-a13e-4164-99e7-8dd2e82d0358/UDAimage/RES18/train.py", line 98, in train
    OneHotLabel = torch.zeros(args.batch_size, args.classnum).scatter_(1, label, 1)
RuntimeError: invalid argument 3: Index tensor must either be empty or have same dimensions as output tensor at /pytorch/aten/src/TH/generic/THTensorEvenMoreMath.cpp:533

原因： 我的标签是一维的

解决方法： 将label 转为二维 

label = label.unsqueeze(-1)

 

Tips：

完整的将label转换onehot参考： https://blog.csdn.net/longshaonihaoa/article/details/105640239

是暮涯啊
关注
  • 5
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
torch.tensor.scatter_()标签转one-hot
gray___的博客
03-14 2054
1. 实现代码 标签(label)的形状是：(batch_size, 1, H, W) 标签(label)one-hot的形状是：(batch_size, n_classes, H, W) def make_one_hot(labels, classes): one_hot = torch.FloatTensor(labels.size()[0], classes, labels.size()[2], labels.size()[3]).zero_().to(labels.device)
pytorch将标签转为onehot
longshaonihaoa的博客
04-20 8182
由于想多分类中使用Diceloss，所以需要将[0,1,2,..N]类型的标签转化为onehot类型。 input数据类型： torch.LongTensor() 数据形状：[bs, 1, *] 可为2D或3D数据 def make_one_hot(input, num_classes): """Convert class index t...
Pytorch中，将label变成one hot编码的两种方式
热门推荐
我的博客有点东西
03-20 7万+
由于Pytorch不像TensorFlow有谷歌巨头做维护，很多功能并没有很高级的封装，比如说没有tf.one_hot函数。本篇介绍将一个mini batch的label向量变成形状为[batch size, class numbers]的one hot编码的两种方法，涉及到 tensor.scatter_ tensor.index_select 使用scatter_获得one hot 编码 ...
【torch】pytorch label的one-hot转化
qq_40690815的博客
12-14 1397
最近使用了一下pytorch，在将label装化成向量时总是报错 train_data = torchvision.datasets.MNIST( root='./mnist/', # 保存或者提取位置 train=True, # this is training data transform=torchv...
torch实现one-hot对label进行处理
baidu_15113429的博客
07-12 1019
学习链接
pytorch实现onehot编码转为普通label标签
01-20
label转onehot的很多，但是onehot转label的有点难找，所以就只能自己实现以下，用的topk函数，不知道有没有更好的实现 ...以上这篇pytorch实现onehot编码转为普通label标签就是小编分享给大家的全部内
pytorch标签转onehot形式实例
09-18
在这篇详细的PyTorch教程中，作者介绍了如何将标签数据转换为one-hot编码格式，这对于机器学习和深度学习模型的训练是十分常见的步骤。在分类问题中，尤其是多分类问题，模型输出通常是一个one-hot向量，表示不同...
pytorch、tensorflow之生成one-hot向量
01-20
执行上述代码后，`label2one_hot`将会是一个形状为(1, 5)的LongTensor，其内容为[0, 0, 1, 0, 0]，表示该标签属于第三类。为了进一步操作，我们可以将其转换为NumPy的ndarray或Python的list。 ```python print(...
pytorch中转one-hot的两种简单方法
weixin_47873308的博客
01-23 1778
pytorch中转one-hot的两种简单方法 1.替换零矩阵 arr = torch.tensor([2, 5, 6, 8, 6]) zero_arr = torch.zeros(arr.shape[0], max(arr) + 1) #生成零矩阵 zero_arr[torch.arange(arr.shape[0]), arr] = 1 #one-hot的位置替换为1 print(zero_arr) 2.用对角阵 index = torch.tensor([2, 5, 6, 8, 6]) # t
pytorch炼金术-One-Hot 编码
wujing1_1的博客
05-02 5247
One-Hot 编码 1. F.one_hot pytorch 现在自带的将标签转成one-hot编码方法 import torch.nn.functional as F import torch x=torch.randint(low=0,high=3,size=(2,2))# 随机生成一张2*2的灰度图.一共3个类别数。所以0,1,2 print(x) y=F.one_hot(x)# 如果不加类别数，会默认使用 输入数据中最大值，作为列别数。一般还是会加的 print(y.shape) print(y
Pytorch下label的one-hot形式转换方法
梦坠凡尘
04-23 1万+
进行网络训练时通常需要对label转为one-hot形式，下面给出自己知道的两种方法。 方法一 巧妙使用torch.eye()方法 torch.eye(n, m=None, out=None) 参数: n (int ) – 行数 m (int, optional) – 列数.如果为None,则默认为n out (Tensor, optinal) - Output tensor 返回一个二维向...
TORCH.NN.FUNCTIONAL.ONE_HOT
scar2016的博客
10-28 3762
文章目录1.独热编码2.不带参数独热编码,仅只输入一个张量 one_hot2.1 代码2.2 输出结果3. 带参数独热编码,一个参数为输入张量，另外一个为类别数3.2 结果 1.独热编码 定义：torch.nn.functional.one_hot(tensor, num_classes=- 1) → LongTensor 描述：Takes LongTensor with index values of shape () and returns a tensor of shape (, num_classe
Pytorch框架之one_hot编码函数
笔岸柳影
11-06 2万+
pytorch框架之one_hot编码的实现： 1. 给定分类总数，给指定数据创建one_hot编码 2. 给定数据自动编码
torch.nn.functional.one_hot()
00000cj的博客
07-27 1240
假设tensor的shape为(*)，函数返回shape为(*,num_classes)的tensor，返回的tensor中除了最后一维索引为tensor对应值位置为1，其它都为0。
pytorch one-hot转数组
jacke121的专栏
10-13 3592
检索不为0的： import torch x = torch.Tensor([0,1,10,0,1]) print( torch.nonzero(x).squeeze())
pytorch 创建onehot向量
ZzZzZzZ
04-06 1779
one-hot向量 ne-Hot编码，又称为一位有效编码，主要是采用N位状态寄存器来对N个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候只有一位有效。 One-Hot编码是分类变量作为二进制向量的表示。这首先要求将分类值映射到整数值。然后，每个整数值被表示为二进制向量，除了整数的索引之外，它都是零值，它被标记为1。 例如 [1,2,4] 有三个数 数的范围是0-4 因此需要一个3x5的张量，可以编码为 [[0 1 0 0 0], [0 0 1 0 0], [0 0 0 0 1]] 使用pyto
PyTorch torch.nn.functional.one_hot用法解析
最新发布
qq_31239371的博客
04-15 1170
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)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。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。num_classes，此时最后一维就等于num_classes，那么b的形状就是(1,3,4)
PyTorch 稀疏函数解析：embedding 、one_hot详解
CDBmax的博客
01-17 1615
本篇博客探讨了 PyTorch 框架中几个关键的稀疏函数，包括embedding和one_hot。这些函数在处理自然语言处理（NLP）任务和其他需要高效、灵活处理大量类别或序列数据的应用中至关重要。embedding函数用于从预定义的嵌入矩阵中检索指定索引的嵌入向量，支持自定义嵌入矩阵大小、填充索引和范数限制。提供了一种高效的方法来处理变长序列，通过聚合（如求和、均值或最大值）嵌入向量，而无需单独处理每个序列。one_hot。
PyTorch基础——one hot编码转换
gy笨瓜的博客
10-12 4188
主要使用函数：torch.Tensor.scatter_(.....) 【sample】 将[1, 5, 4, 2]转换为one hot编码，形式如下： [[0, 1, 0, 0, 0, 0], [0, 0, 0, 0, 0, 1], [0, 0, 0, 0, 1, 0], [0, 0, 1, 0, 0, 0]]，其中每一行表示一个样本 函数调用： torch.zeros(4, 6).scatter_(1, torch.tensor([1,5,4,2]).unsqueeze(1), 1) 说明...
pytorch 将整型标签转为onehot
09-09
在PyTorch中，我们可以使用torch.nn.functional.one_hot函数将整型标签转换为one-hot编码。此函数的输入是一个整数张量和一个表示类别总数的标量张量。该函数会返回一个表示每个类别的one-hot编码的张量。 下面是一个使用示例： ```python import torch import torch.nn.functional as F # 创建一个包含4个类别的整型标签 labels = torch.tensor([0, 2, 1, 3]) # 计算类别总数 num_classes = labels.max().item() + 1 # 将整型标签转换为one-hot编码 onehot_labels = F.one_hot(labels, num_classes) print(onehot_labels) ``` 输出结果为： ``` tensor([[1, 0, 0, 0], [0, 0, 1, 0], [0, 1, 0, 0], [0, 0, 0, 1]], dtype=torch.float32) ``` 在这个示例中，我们有4个整型标签[0, 2, 1, 3]，类别总数为4。使用F.one_hot函数将整型标签转换为one-hot编码后，得到一个形状为(4, 4)的张量，其中每一行表示一个标签的one-hot编码。 需要注意的是，F.one_hot函数返回的张量默认为浮点型。如果需要整型类型的one-hot编码，可以使用.to(dtype=torch.int)方法将张量的数据类型转换为整型。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值