pytorch中二分类的lossf函数使用

多分类不需要满足y_pred和y_gt的维度相同

二分类中，torch.nn.BECLoss 和torch,nn.BCEWithLogitsLoss需要预测输出y_pred和y_gt需要一样的维度。
故需要使用一下两种转变y_gt的方法。
假设y_pred如下：

[[1.2 2.3 ],
[2.1 2.2 ]]

其中，y_gt如下：

[[0],[1]]

目标是是转化成下面的维度：

[[1,0],
[0,1]]

代码如下：

1. 直接使用list的index属性。

gt_y_temp = torch.zeros(gt_y.shape[0], 2)
gt_y_temp[range(gt_y.shape[0]), list(gt_y.squeeze(1).int())] = 1
gt_y_temp=gt_y_temp.cuda()

2. 使用scatter来使用

gt_y_temp = torch.zeros(gt_y.shape[0], 2, device='cuda').scatter_(1, gt_y.long(), torch.tensor(1, dtype=torch.float)).cuda()

注意这个地方gt_y的特征维度最后一个维度是１.比如：[[0],[1],[0]]

更多案例

>>>class_num = 10
>>>batch_size = 4
>>>label = torch.LongTensor(batch_size, 1).random_() % class_num
 3
 0
 0
 8

>>>one_hot = torch.zeros(batch_size, class_num).scatter_(1, label, 1)
    0     0     0     1     0     0     0     0     0     0
    1     0     0     0     0     0     0     0     0     0
    1     0     0     0     0     0     0     0     0     0
    0     0     0     0     0     0     0     0     1     0

参考博客：
pytorch中scatter的使用原理
三种one_hot的办法
scatter使用方法案例
How is Pytorch’s binary_cross_entropy_with_logits function related to sigmoid and binary_cross_entropy