torch.tensor.scatter_()标签转one-hot

最新推荐文章于 2024-09-09 11:53:06 发布

原创最新推荐文章于 2024-09-09 11:53:06 发布 · 2.1k 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #深度学习 #python

胖琦的pytorch 专栏收录该内容

4 篇文章

订阅专栏

这篇博客介绍了如何在PyTorch中使用torch.tensor.scatter_()函数将标签转换为one-hot编码，详细阐述了该函数的工作原理，并通过示例说明了在深度学习中进行one-hot编码的过程。

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)
    target = one_hot.scatter_(1, labels.data, 1)
    return target

2. torch.tensor.scatter_()

官方手册讲的其实蛮好的

Tensor.scatter_(dim, index, src, reduce=None)
用src，根据index和dim，替换self中的数值
以三维tensor举例，替换关系可以表达成：

self[index[i][j][k]][j][k] = src[i][j][k]  # if dim == 0
self[i][index[i][j][k]][k] = src[i][j][k]  # if dim == 1
self[i][j][index[i][j][k]] = src[i][j][k]  # if dim == 2

dim代表index要在哪个维度上替换self的索引。

3. 回到one-hot

def make_one_hot(labels, classes):
    one_hot = torch.FloatTensor(labels.size()[0], classes, labels.size()[2], labels.size()[3]).zero_().to(labels.device)
    target = one_hot.scatter_(1, labels.data, 1)
    return target

假设我们的有八个类别，那么：

	one_hot = torch.FloatTensor(labels.size()[0], classes, labels.size()[2], labels.size()[3]).zero_().to(labels.device)

生成了一个尺寸为(batch_size, 8, H, W)的tensor

	target = one_hot.scatter_(1, labels.data, 1)

one_hot[i][labels.data][k][z] = 1

PS：不知道自己有没有讲明白，如果没看懂欢迎反馈。