one hot编码：`torch.Tensor.scatter_()`函数用法详解

最新推荐文章于 2024-05-29 12:42:26 发布
最新推荐文章于 2024-05-29 12:42:26 发布
阅读量3.5k 收藏 8
点赞数 5
分类专栏： Pytorch Python 文章标签： python pytorch 机器学习 深度学习
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/wangkaidehao/article/details/104356425
版权

torch.Tensor.scatter_()是torch.gather()函数的方向反向操作。两个函数可以看成一对兄弟函数。gather用来解码one hot，scatter_用来编码one hot。

scatter_(dim, index, src) → Tensor

  • dim (python:int) – 用来寻址的坐标轴
  • index (LongTensor) – 索引
  • src(Tensor) –用来scatter的源张量，以防value未被指定。
  • value(python:float) – 用来scatter的源张量，以防src未被指定。

现在我们来看看具体这么用，看下面这个例子就一目了然了。

  • dim =0
import torch

x = torch.tensor([[0.9413, 0.9476, 0.1104, 0.9898, 0.6443],
            [0.6913, 0.8924, 0.7530, 0.8874, 0.0557]])

result = torch.zeros(3, 5)
indices = torch.tensor([[0
最低0.47元/天 解锁文章
miguemath
关注
  • 5
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
torch.tensor.scatter_()标签转one-hot
gray___的博客
03-14 2040
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学习系统之 scatter() 函数详解 one hot 编码
sereasuesue的博客
10-16 2277
torch.Tensor.scatter_ scatter() 和 scatter_() 的作用是一样的，只不过 scatter() 不会直接修改原来的 Tensor，而 scatter_() 会 torch.Tensor.scatter_()是torch.gather()函数的方向反向操作。两个函数可以看成一对兄弟函数。gather用来解码one hot，scatter_用来编码one hot。 PyTorch 中，一般函数加下划线代表直接在原来的 Tensor 上修改 scatter_(dim
pytorch 向量转化为one-hot编码
ephram每天都想下班
10-09 1598
#pytorch 向量转化为one-hot编码 import torch #原始向量 index = torch.tensor([[1], [2], [0], [3]]) onehot = torch.zeros(4, 4) onehot.scatter_(1, index, 1) print(onehot) #结果 tensor([[0., 1., 0., 0.], [0., 0., 1., 0.], [1., 0., 0., 0.], [0., 0., 0., 1.]]) ...
torch.scatter看图理解
最新发布
新缸中之脑
05-29 712
先忽略 Reduce，最后再解释。先从最简单的开始。我们有一个 (2,4) 形状的张量，里面填充了 1：粉红色的符号表示张量结构并且我们传入相应的参数并得到输出：注意index张量结构现在我们增加index张量的第二个值，并比较输出：观察数字 6 在output张量中的移动情况好的，数字 6 由index张量内的第二个值控制。但是，如何控制呢？以下是幕后发生的事情。首先，我们将index形状扩展为与 src 相同的形状：它实际上不需要扩展。但这将有助于我们理解。
pytorch scatter_
圣托里尼的日落啊~的博客
03-18 228
scatter() 和 scatter_() 的作用是一样的，只不过 scatter() 不会直接修改原来的 Tensor，而 scatter_() 会 PyTorch 中，一般函数加下划线代表直接在原来的 Tensor 上修改 scatter(dim, index, src) 的参数有 3 个 dim：沿着哪个维度进行索引 index：用来 scatter 的元素索引 src：用来 scatt...
pytorch：scatter_函数生成one_hot向量
杂文集
02-15 4968
实不相瞒，这个函数我看了整整一个小时才弄明白，真是让人抓狂。 先来看一下该函数的参数。 scatter_(dim, index, src) dim：维度，表示在第几维上操作； index：索引，后面再解释； src：用来填充的tensor。 这个函数的主要作用是按照一定规则用src中的值去填充/替换原来tensor的值。 举个例子 ...
pytorch中torch.max和Tensor.view函数用法详解
12-23
torch.max()简单来说是返回一个tensor中的最大值。 例如： >>> si=torch.randn(4,5) >>> print(si) tensor([[ 1.1659, -1.5195, 0.0455, 1.7610, -0.2064], [-0.3443, 2.0483, 0.6303, 0.9475, 0.4364], [-1.5268...
PyTorch中torch.tensor与torch.Tensor的区别详解
09-16
在PyTorch中，`torch.tensor` 和 `torch.Tensor` 是两种不同的创建张量（Tensor）的方法，但它们之间的差异并不显著，主要是使用场景和默认属性上的细微差别。这篇文章将详细解析这两者之间的区别。 首先，`torch....
详解torch.Tensor的4种乘法
09-16
在PyTorch中，`torch.Tensor`提供了多种乘法操作，这些操作在神经网络的计算和数据处理中扮演着重要角色。本文将详细介绍`torch.Tensor`的四种乘法：`*`、`torch.mul`、`torch.mm`和`torch.matmul`。 1. `*` 运算符...
scatter_()函数——可对标签进行 one-hot 编码
知识搬运者
09-02 538
scatter_(input, index, dim)：将src中数据根据index中的索引按照dim的方向填进input。 input: 填入的值 index：填在那个元素位置的索引（二维） dim：沿着哪个维度进行索引填充 代码： import torch class_num = 10 batch_size = 5 label = torch.LongTensor([0,1,4,2,3]) print(label) one_hot = torc...
Pytorch小知识点
Bear_Kai的专栏
04-01 485
x = torch.tensor([1,2,3]), y=torch.tensor([4,5,6]).cuda(0) （1）tensor to numpy: x.numpy() or y.cpu().numpy （2）numpy to tensor: torch.from_numpy() （2.1）a=torch.from_numpy(b)，b改变会影响a，a的dtype=torch.floa...
【pytorch】使用scatter_()进行one-hot编码
XavierJ的博客
03-17 783
示例代码 >>> import torch >>> label = torch.arange(10).view(-1, 1) >>> label tensor([[0], [1], [2], [3], [4], [5], [6], [7], [8], [9]]) >>> label_onehot
利用.scatter()函数对三维图像的分割mask进行one-hot编码
X922199的博客
12-09 631
在用写的分割模型dice计算公式时，需要先对分割mask进行one-hot编码，以和输出的分割相匹配。
pytorch 深入理解 tensor.scatter_ ()用法
热门推荐
ephram每天都想下班
08-02 1万+
pytoch 深入理解 tensor.scatter_ ()用法 在 pytorch 库下理解 torch.tensor.scatter()的用法。作者在网上搜索了很多方法，最后还是觉得自己写一篇更为详细的比较好，转载请注明。 首先，scatter() 和 scatter_() 的作用是一样的，但是 scatter() 不会直接修改原来的 Tensor，而 scatter_() 会修改原先的 Tensor。 1 API格式 torch.Tensor.scatter_(dim, index, src) → T
pytorch中获得one-hot标签的方法
列蒙特的博客
03-01 1955
pytorch中获得one-hot标签的方法 label_onehot = torch.zeros(BATCH_SIZE, NUM_CLASSES).scatter_(1, label.reshape(-1,1), 1) 其中label是一个一维的tensor，数据类型为long
[one-hot]one-hot实现的几种方式
呼啦圈
03-01 1133
one-hot实现的几种方式 方式一：最简单的方式，可以一行代码搞定 import numpy as np import torch 'one-hot使用方法：最简单' num_classes = 10 arr = [1, 3, 4, 5] one_hots = np.eye(num_classes)[arr] print(one_hots) arr1 = torch.LongTensor(arr) print(arr1) one_hots = torch.eye(num_classes)[arr] p
反向one-hot 编码
weixin_40903525的博客
01-14 710
import pandas as pd s = pd.Series(['dog', 'cat', 'dog', 'bird', 'fox']) s pd.get_dummies(s) pd.get_dummies(s).idxmax(1)
def forward(self, xyz: torch.Tensor, new_xyz: torch.Tensor, features: torch.Tensor = None) -> Tuple[torch.Tensor]:我该如何找到传入new_xyz该参数的位置
05-21
这个函数有三个参数：xyz，new_xyz和features。其中，new_xyz是一个必需的参数，它是指新的坐标点，而xyz是现有的坐标点，features是特征向量。如果你想调用这个函数，你需要提供这三个参数，并将它们作为一个元组传递。在这个函数内部，new_xyz被用来计算局部坐标系，并将其用于特征的计算。 如果你想知道在调用这个函数时如何传递new_xyz参数，你可以查看调用这个函数的代码行。例如，如果你有一个名为"my_model"的模型，你可以这样调用它： ```python xyz = torch.Tensor([...]) # 传入xyz参数 new_xyz = torch.Tensor([...]) # 传入new_xyz参数 features = torch.Tensor([...]) # 传入features参数 output = my_model.forward(xyz, new_xyz, features) # 调用forward函数并传入参数 ``` 这里，我们传递了xyz、new_xyz和features作为参数，并将输出保存在output变量中。注意，这里的new_xyz参数是作为第二个参数传递的，因为它是forward函数的第二个参数。

“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