pytorch下对标签target进行one-hot编码

最新推荐文章于 2024-05-14 10:21:54 发布
最新推荐文章于 2024-05-14 10:21:54 发布
阅读量248 收藏 1
点赞数 1
文章标签： pytorch 人工智能 python
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/url_youheart/article/details/133965232
版权

pytorch 进行one-hot编码的两种方法

torch.nn.functional 中的ont_hot方法

target = torch.tensor([0,1,2,3,4])
target = F.one_hot(target,num_classes = 5)
tensor([[1, 0, 0, 0, 0],
        [0, 1, 0, 0, 0],
        [0, 0, 1, 0, 0],
        [0, 0, 0, 1, 0],
        [0, 0, 0, 0, 1]])

使用scatter_函数

target = torch.tensor([0,2,3,4,1])
index = target.view(-1,1).long()
target = torch.zeros(target.size(0),5,dtype=torch.float32)
target = target.scatter_(1,index,1)
tensor([[1., 0., 0., 0., 0.],
        [0., 0., 1., 0., 0.],
        [0., 0., 0., 1., 0.],
        [0., 0., 0., 0., 1.],
        [0., 1., 0., 0., 0.]])
url_youheart
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
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 one_hot = torch.tensor([[0,0,1],[0,1,0],[0,1,0]]) print(one_hot) label = torch.topk(one_hot, 1)[1].squeeze(1) print(label) tensor([[0, 0, 1], [0, 1, 0], [0, 1, 0]]) tensor([2, 1, 1]) 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
独热编码 onehot 及python实现
rosefun96的博客
09-11 5726
1. 独热编码 独热编码把可列举型数据，使用0，1进行编码。 比如， 1 ，2，3 用 [1,0,0], [0, 1, 0], [0, 0, 1] 来表示。 2. 实现 def oneHot(self, data): ''' 对标签进行独热编码 输入：data:array 输出：onehot data. ''' if data.shap...
真实标签为one-hot编码，使用pytorch nn.CrossEntropyLoss()的注意事项
qq_42178122的博客
03-09 2554
nn.CrossEntropyLoss()的label给的不是one-hot编码
pytorch 将标签转为one-hot编码
weixin_49710179的博客
03-24 1654
将标签转为one-hot编码 我定义为一个函数,返回为布尔值，需要类型转换 def one_hot(label, N=None): # 对标签进行独热编码 label = np.asarray(label) # np.asarray() 对于传入list为深拷贝， 传入array为浅拷贝，即改变传入的值，拷贝的数据会跟着变化 if N is None: N = ind.max() + 1 return np.arange(N) == np.repea
pytorch独热编码
weixin_55191433的博客
04-22 2032
将数【1，3，4，2】变成独热编码的形式，torch.zeros(4,5)中的4是数的个数，5表示数的最大值加1
pytorch自带的one-hot编码方法
热门推荐
stay_zezo的博客
12-14 2万+
pytorch现在自带的将标签转成one-hot编码方法 torch.nn.functional.one_hot(tensor,num_classes=-1)→LongTensor 下图是pytorch官网的例子 1、不指定标签类别数时，pytorch默认将tensor中最大值作为标签类别最大数 下面的tensor([2,3,4])， 标签类别最大数会默认为4， 即默认是有标签(0, 1, 2, ,3, 4)五中标签 2、指定标签类别数时 ...
Pytorch将标签转为One-Hot编码
m0_62919535的博客
01-11 1330
Pytorch将标签转为One-Hot编码。先进行标签映射，要为每个分类建立一个整数索引，对于每个样本的标签，使用整数索引创建一个长度为类别总数的二进制向量。这个向量的所有元素都是0，除了与整数索引相对应的位置，该位置的值为1。应用于分割网络当中，在保留输入标签张量形状的同时，将独热编码张量的最后一个维度设置为分类数num_classes，确保独热编码张量与输入标签张量具有相同的形状。
pytorch list转tensor_深度学习-Pytorch框架学习之张量处理篇
weixin_39890452的博客
11-25 4195
1. 数据类型根据官方文档显示，张量定义为包含单一数据类型元素的多维矩阵。在Pytorch中，有9种CPU张量类型和9种GPU张量类型。具体类型如下图所示：在Pytorch中，可以通过Python 列表和torch.tensor()构造函数构造一个张量。>>> torch.tensor([[1., -1.], [1., -1.]])tensor([[ 1.0000, -1.000...
pytorch one-hot编码
计算机视觉
11-20 3427
转载pytorch one-hot编码_GXLiu-CSDN博客 方案一： 使用scatter_将标签转换为one-hot import torch num_class = 5 label = torch.tensor([0, 2, 1, 4, 1, 3]) one_hot = torch.zeros((len(label), num_class)).scatter_(1, label.long().reshape(-1, 1), 1) print(one_hot) """ tensor([[1
pytorch将标签转为onehot
longshaonihaoa的博客
04-20 8041
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标签转onehot形式实例
09-18
今天小编就为大家分享一篇pytorch标签转onehot形式实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
pytorch、tensorflow之生成one-hot向量
01-20
对于标签分类：最后生成的可以是类别标签索引，也可以是one-hot向量（独热编码） 我们举一个五分类的例子： 可以用[3]：表示第三种分类 也可以用one-hot向量[0,0,1,0,0]：表示第三种分类 那么我们接下来用pytorch和...
PyTorch中标准交叉熵误差损失函数的实现（one-hot形式和标签形式）
02-08
交叉熵损失函数，PyTorch中标准交叉熵误差损失函数的实现（one-hot形式和标签形式）
适用于稀疏向量、独热编码数据的损失函数回顾和PyTorch实现
deephub
09-29 5399
在稀疏的、独热编码编码数据上构建自动编码器 自1986年[1]问世以来，在过去的30年里，通用自动编码器神经网络已经渗透到现代机器学习的大多数主要领域的研究中。在嵌入复杂数据方面，自动编码器已经被证明是非常有效的，它提供了简单的方法来将复杂的非线性依赖编码为平凡的向量表示。但是，尽管它们的有效性已经在许多方面得到了证明，但它们在重现稀疏数据方面常常存在不足，特别是当列像一个热编码那样相互关联时。 在本文中，我将简要地讨论一种热编码(OHE)数据和一般的自动编码器。然后，我将介绍使用在一个热门编码数据上受过
Pytorch 怎么样把labels转为one-hot(独热编码)的形式
qq_40178291的博客
09-22 5297
直接上代码： v=torch.Tensor([[1],[2],[3]]) >>> v tensor([[1.], [2.], [3.]]) >>> v.size(0) 3 >>> n=v.size(0) >>> one_hot = torch.zeros(n,10).long() >&gt...
【Pytorch】分割的mask 独热编码转换 scatter 参数理解
qq_40600539的博客
02-12 1812
scatter_(input, dim, index, src)将src中数据根据index中的索引按照dim的方向填进input中。 用于将数据转换为 one hot 独热编码时，代码如下 def to_one_hot(mask, n_class): """ Transform a mask to one hot change a mask to n * h*...
pytorch标签onehot编码_特征编码方法总结—part1
weixin_33536190的博客
12-30 1954
最近又碰到了高基数类别特征的处理问题，正好也要把相关的解决方案添加到现有的线上机器学习系统里，这里总结一下以后免得又忘记了。 在特征工程里，特征编码是占比很重的一块，在kaggle的结构化数据比赛中，最终帮助选手胜利的关键因素之一往往是高级特征的构造和特征编码（很多时候特征编码也是在构造高级的特征），下面就来总结一下吧。1、labelencoder 标签编码如果是无序...
什么是one-hot encoding？Pytorch中，将label变成one hot编码的两种方式
Hali_Botebie的博客
06-15 2960
参考：独热编码（One-Hot Encoding）独热编码即 One-Hot 编码，又称一位有效编码，其方法是使用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，其中只有一位有效。独热编码（哑变量 dummy variable）是因为大部分算法是基于向量空间中的度量来进行计算的，为了使非偏序关系的变量取值不具有偏序性，并且到圆点是等距的。使用one-hot编码，将离散特征的取值扩展到了欧式空间，离散特征的某个取值就对应欧式空间的某个点。将离散型特征使用one-hot编码，会
PyTorch中的torch.cuda.amp.autocast
最新发布
chen_znn的博客
05-14 332
本文介绍了pytorch中的torch.cuda.amp.autocast
pytorch one-hot反向操作
08-30
在PyTorch中，进行one-hot编码的操作可以使用`torch.nn.functional.one_hot`函数实现。该函数有两个输入参数，分别是待编码的张量和编码后的维度。返回结果是一个经过one-hot编码的张量。 要进行one-hot的反向操作，我们可以使用`torch.argmax`函数结合`torch.eye`函数来实现。其中`torch.eye`函数会生成一个单位矩阵，其形状由待解码的张量和编码后的维度决定。而`torch.argmax`函数则用来找到每一行中最大值所在的索引，即找到one-hot编码中为1的位置。 以下是一个示例代码： ```python import torch # 假设有一个待编码的张量 target = torch.tensor([2, 0, 1, 2, 1]) # 调用torch.nn.functional.one_hot进行编码 one_hot = torch.nn.functional.one_hot(target, num_classes=3) # 输出编码结果 print("one_hot编码结果：") print(one_hot) # 使用torch.argmax结合torch.eye进行解码 decoded = torch.eye(one_hot.size(1))[torch.argmax(one_hot, dim=1)] # 输出解码结果 print("\none_hot解码结果：") print(decoded) ``` 运行上述代码，将得到如下输出： ``` one_hot编码结果： tensor([[0, 0, 1], [1, 0, 0], [0, 1, 0], [0, 0, 1], [0, 1, 0]]) one_hot解码结果： tensor([[0., 0., 1.], [1., 0., 0.], [0., 1., 0.], [0., 0., 1.], [0., 1., 0.]]) ``` 可以看到，在经过解码后，获得的张量与原始的目标张量是一致的。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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