Pytorch实现将label变成one hot编码的两种方式

将label变成one hot编码是深度学习中常见的操作，通常也是模型训练和评估的必要步骤之一。本文将详细讲解 Pytorch 中将 label 变成 one hot 编码的两种方式。

方式一：使用Pytorch内置函数实现

Pytorch 提供了内置的 torch.nn.functional.one_hot() 函数可以方便地实现将 label 变成 one hot 编码的操作。

该函数的参数 input 是一个表示 label 的张量，可以是一个标量值或一个向量形式，参数 num_classes 表示类别总数。

下面是一段示例代码：

import torch.nn.functional as F
import torch

# 假设有一个表示 label 的向量 y ，类别总数为 4
y = torch.Tensor([0, 1, 2, 3])

# 将 y 变成 one hot 编码形式
y_one_hot = F.one_hot(y, num_classes=4)

# 输出结果
print(y_one_hot)

运行结果如下：

tensor([[1, 0, 0, 0],
        [0, 1, 0, 0],
        [0, 0, 1, 0],
        [0, 0, 0, 1]])

可以看到，torch.nn.functional.one_hot() 函数将 label 变成了 one hot 编码的形式。

方式二：使用numpy和Pytorch混合编程实现

除了使用 Pytorch 内置的函数外，还可以使用 numpy 和 Pytorch 混合编程的方式实现将 label 变成 one hot 编码的操作。

具体实现方法是，首先将 label 转换成 numpy 格式的向量，然后使用 numpy 的 one hot 编码函数将其变成 one hot 编码形式，最后再将其转换回 Pytorch 格式的张量。

下面是一段示例代码：

import numpy as np
import torch

# 假设有一个表示 label 的向量 y ，类别总数为 4
y = torch.Tensor([0, 1, 2, 3])

# 将 y 转换成 numpy 格式的向量
y_numpy = y.numpy().astype(int)

# 使用 numpy 的 one hot 编码函数将 y_numpy 变成 one hot 编码形式
y_one_hot_numpy = np.eye(4)[y_numpy]

# 将 y_one_hot_numpy 转换成 Pytorch 格式的张量
y_one_hot = torch.from_numpy(y_one_hot_numpy).type(torch.FloatTensor)

# 输出结果
print(y_one_hot)

运行结果如下：

tensor([[1., 0., 0., 0.],
        [0., 1., 0., 0.],
        [0., 0., 1., 0.],
        [0., 0., 0., 1.]])

可以看到，使用 numpy 和 Pytorch 混合编程的方式同样可以将 label 变成 one hot 编码的形式。

综上所述，本文介绍了在 Pytorch 中将 label 变成 one hot 编码的两种方式，同时给出了相应的示例代码说明。希望对读者有所帮助。