1.one_hot函数是torch.nn.functional提供的,可以将输入的张量变成1*n_class的张量(n_class是转变后张量的最大编码长度,默认是原来的张量长度+1,也可以直接传入)
# 注意这里只是方便理解!!!
import torch.nn.functional as F
# 假设现在张量 X = [1,3,4,0 ]
n_class = 5
X = F.one_hot(X,n_class)
#则生成的X:
[0,1,0,0,0],
[0,0,0,1,0],
[0,0,0,0,1],
[1,0,0,0,0]
2.permute(dim)函数是将输入的张量维度根据dim对张量进行一个维度重组。
import torch
x = torch.randn(2,3,5)
x.size()
#输出:
torch.Size([2,3,5])
x = x.permute(2,1,0)
x.size()
#输出:
torch.Size([5,3,2])
#由上面的例子可以看出,即根据提供的List(List装的是张量的下标)
# 对输入的张量进行维度重组