Python手动实现One-hot编码

zeros = torch.zeros(real_size,CLASSES_COUNT)
for k in range(real_size ):
    zeros[k, batch_label[k]] = 1

更新了。

zeros[torch.arrange(batch_label.size(0)),batch_label]=1

以下是老的。两种方式生成的结果一样。估计速度后者更快吧。

代码解读：

zeros是一个tensor，它的行数是real_size,列数是类别数 CLASSES_COUNT。每一行代表一个样本，每个样本在某一列的值是1，其他是0。所以第一行的代码就是为了全是0的一个tensor。

batch_label是一个列表，其中存放了每行中哪个列值是1，相当于存放了一系列的索引值。元素在batch_label中的索引代表在zeros中的行索引，元素值代表在zeros中列索引。

然后遍历样本数，k行的batch_label[k]置为1。

[0, 4, 2, 1, 1, 4, 1, 0, 2, 0] 这是batch_label
tensor([[1., 0., 0., 0., 0.],这是最终生成的zeros tensor
        [0., 0., 0., 0., 1.],
        [0., 0., 1., 0., 0.],
        [0., 1., 0., 0., 0.],
        [0., 1., 0., 0., 0.],
        [0., 0., 0., 0., 1.],
        [0., 1., 0., 0., 0.],
        [1., 0., 0., 0., 0.],
        [0., 0., 1., 0., 0.],
        [1., 0., 0., 0., 0.]])