Pytorch：tensor.scatter_（）将label变成one hot编码

将针对全连接网络和全卷积网络输出的形式不同，将one hot编码分两种情况：

• 第一种针对网络输出是二维，即全连接层的输出形式， [Batchsize， Num_class]

• 第二种针对输出是四维特征图，即分割网络的输出形式，[Batchsize， Num_class， H，W]

第二种方式：[Batchsize， Num_class， H，W]

input.scatter_(dim, index, src) → Tensor

参数：

• input: 我们需要插入数据的起源tensor；也就是想要改变内部数据的tensor
• dim：我们想要从哪个维度去改input数据
• index：给出改的元素索引，也就是位置，说在“坐标”可能好理解一点
• src：准备好的插入的数据

    def get_one_hot(self,label):
        size = label.size()
        # create one-hot vector for label map
        label_nc = self.cfg.DATASET["label_nc"]
        oneHot_size = (size[0], label_nc, size[2], size[3])
        input_label = torch.cuda.FloatTensor(torch.Size(oneHot_size)).zero_()
        input_label = input_label.scatter_(1, label.data.long().cuda(), 1.0)
        return input_label