Pytorch之torch..nn.functional.one_hot()

埘间海洋

已于 2024-11-19 10:54:09 修改

阅读量2w

点赞数 18

分类专栏：深度学习文章标签： pytorch 深度学习机器学习

于 2021-12-07 21:01:49 首次发布

本文链接：https://blog.csdn.net/qq_43760191/article/details/121778553

版权

深度学习专栏收录该内容

7 篇文章

订阅专栏

本文介绍了独热编码（One-Hot Encoding）的概念，通过PyTorch库的F.one_hot函数展示了编码过程。无num_classes参数时，编码列数根据输入张量的最大值确定；设置num_classes参数可自定义列数。独热编码常用于将分类数据转换为机器学习模型可处理的数值形式。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

独热编码
one_hot(tensor, num_classes=-1) -> LongTensor

tensor:要编码的张量

num_calsses:类别数，就是下面例子中的列数

import torch
from torch.nn import functional as F

1、无num_classes

列数与最大值有关:0 -> max,比如下面例子中最大值为8，所以0 -> 8,共9列（相当于labels共9类）
行数与数的个数有关，该例子共8个数，所以8行。
所以shape=(8,9)

x = torch.tensor([1, 1, 1, 3, 3, 4, 8, 5])

y1 = F.one_hot(x) # 只有一个参数张量x
print(f'x = ',x)  
print(f'x_shape = ',x.shape) 
print(f'y1 = ',y1)  
print(f'y1_shape = ',y1.shape)

结果

x = tensor([1, 1, 1, 3, 3, 4, 8, 5])
x_shape = torch.Size([8])
y = tensor([[0, 1, 0, 0, 0, 0, 0, 0, 0],
        [0, 1, 0, 0, 0, 0, 0, 0, 0],
        [0, 1, 0, 0, 0, 0, 0, 0, 0],
        [0, 0, 0, 1, 0, 0, 0, 0, 0],
        [0, 0, 0, 1, 0, 0, 0, 0, 0],
        [0, 0, 0, 0, 1, 0, 0, 0, 0],
        [0, 0, 0, 0, 0, 0, 0, 0, 1],
        [0, 0, 0, 0, 0, 1, 0, 0, 0]])
y_shape = torch.Size([8, 9])

2、有num_classes

num_classes参数可以自行设置列数

y2 = F.one_hot(x, num_classes = 10)  # 这里num_classes设置为10，其中 10 > max{x}
print(f'x = ',x)  # 输出 x
print(f'x_shape = ',x.shape)  # 查看 x 的形状
print(f'y2 = ',y2)  # 输出 y
print(f'y2_shape = ',y2.shape)

结果

x =  tensor([1, 1, 1, 3, 3, 4, 8, 5])
x_shape =  torch.Size([8])
y2 =  tensor([[0, 1, 0, 0, 0, 0, 0, 0, 0, 0],
        [0, 1, 0, 0, 0, 0, 0, 0, 0, 0],
        [0, 1, 0, 0, 0, 0, 0, 0, 0, 0],
        [0, 0, 0, 1, 0, 0, 0, 0, 0, 0],
        [0, 0, 0, 1, 0, 0, 0, 0, 0, 0],
        [0, 0, 0, 0, 1, 0, 0, 0, 0, 0],
        [0, 0, 0, 0, 0, 0, 0, 0, 1, 0],
        [0, 0, 0, 0, 0, 1, 0, 0, 0, 0]])
y2_shape =  torch.Size([8, 10])