One-Hot 编码

1. F.one_hot

pytorch 现在自带的将标签转成one-hot编码方法

import torch.nn.functional as F
import torchx=torch.randint(low=0,high=3,size=(2,2))# 随机生成一张2*2的灰度图.一共3个类别数。所以0,1,2
print(x)
y=F.one_hot(x)# 如果不加类别数，会默认使用 输入数据中最大值，作为列别数。一般还是会加的
print(y.shape)
print(y)
# pytorch做模型训练时 中需要进行转置。有点麻烦
y=torch.from_numpy(y.numpy().transpose(2,0,1))
print(y)

结果如下

tensor([[2, 0],[1, 0]])
torch.Size([2, 2, 3])
tensor([[[0, 0, 1],[1, 0, 0]],[[0, 1, 0],[1, 0, 0]]])
tensor([[[0, 1],[0, 1]],[[0, 0],[1, 0]],[[1, 0],[0, 0]]])

也可以使用

y=F.one_hot(x,num_classes=3)

效果一样

加载图片

import torch.nn.functional as F
import torch
import numpy as np
from PIL import Image# 加载8位图。
x=Image.open(r"../input/lidcidri/LIDC/mask_roi/LIDC_Mask_0000.png").convert("P")
# x的数据是0和225.所以得需要把225 变成1 ，才能做ont-hot
x=np.array(x)
x[x==225]=1# 如果图片已经处理好了，就不需要转标签了，比如VOC数据集。或者自己制作了labelimg的生成的多少8位图
x=torch.from_numpy(x).long()
y=F.one_hot(x,num_classes=2)# 如果不加类别数，会默认使用 输入数据中最大值，作为列别数。一般还是会加的
print(y.shape)
# print(y)
# pytorch做模型训练时 中需要进行转置。有点麻烦
y=torch.from_numpy(y.numpy().transpose(2,0,1))
print(y.shape)

结果

torch.Size([64, 64, 2])
torch.Size([2, 64, 64])

2. torch.scatter_

源代码

import torch
def to_one_hot(mask, n_class):"""Transform a mask to one hotchange a mask to n * h* w   n is the classArgs:mask:n_class: number of class for segmentationReturns:y_one_hot: one hot mask"""y_one_hot = torch.zeros((n_class, mask.shape[1], mask.shape[2]))y_one_hot = y_one_hot.scatter(0, mask, 1).long()return y_one_hot# 这里一般使用 8位图加载图片信息。然后进行升维 。输入的时候是[1,高，宽]
# 返回结果就是 [num_class,H,W]  [类别数,高,宽]
x=torch.randint(low=0,high=3,size=(1,2,2))
print(x)
print(x.shape)
y=to_one_hot(x,n_class=3)
print(y)
print(y.shape)

结果

tensor([[[0, 2],[1, 0]]])
torch.Size([1, 2, 2])
tensor([[[1, 0],[0, 1]],[[0, 0],[1, 0]],[[0, 1],[0, 0]]])
torch.Size([3, 2, 2])

加载图片实例

import torch
import numpy as np
from PIL import Image
def to_one_hot(mask, n_class):"""Transform a mask to one hotchange a mask to n * h* w   n is the classArgs:mask:n_class: number of class for segmentationReturns:y_one_hot: one hot mask"""y_one_hot = torch.zeros((n_class, mask.shape[1], mask.shape[2]))y_one_hot = y_one_hot.scatter(0, mask, 1).long()return y_one_hot# 这里一般使用 8位图加载图片信息。然后进行升维 。输入的时候是[1,高，宽]
# 返回结果就是 [num_class,H,W]  [类别数,高,宽]
x=Image.open(r"../input/lidcidri/LIDC/mask_roi/LIDC_Mask_0000.png").convert("P")
# x的数据是0和225.所以得需要把225 变成1 ，才能做ont-hot
x=np.array(x)
x[x==225]=1
x=torch.from_numpy(x).unsqueeze(0).long() # 把x从numpy--->tensor
# x=torch.randint(low=0,high=3,size=(1,2,2))
print(x)
print(x.shape)
y=to_one_hot(x,n_class=2)
print(y)
print(y.shape)

pytorch炼金术-One-Hot 编码相关推荐

Pytorch框架之one_hot编码函数
one_hot方法 one_hot编码定义 Pytorch中one_hot转换 QQ:3020889729 小蔡 one_hot编码定义在一个给定的向量中,按照设定的最值–可以是向量中包含的最大值( ...
PyTorch基础——one hot编码转换
主要使用函数:torch.Tensor.scatter_(.....) [sample] 将[1, 5, 4, 2]四个样本转换为one hot编码,形式如下: [[0, 1, 0, 0, 0, 0] ...
pytorch炼金术-DataSet-PASCAL VOC 简介
PASCAL VOC 数据集简介数据集在语义分割上SOTA模型 1. 简介 1.1 简介该挑战赛的竞赛项目主要包括图像分类与检测(Classification/Detection Competi ...
ELMo解读（论文 + PyTorch源码）
ELMo的概念也是很早就出了,应该是18年初的事情了.但我仍然是后知后觉,居然还是等BERT出来很久之后,才知道有这么个东西.这两天才仔细看了下论文和源码,在这里做一些记录,如果有不详实的地方,欢迎指 ...
深入Bert实战(Pytorch)----fine-Tuning 2
深入Bert实战(Pytorch)----fine-Tuning 2 https://www.bilibili.com/video/BV1K5411t7MD?p=5 https://www.youtu ...
[NLP] 相对位置编码(二) Relative Positional Encodings - Transformer-XL
1. Motivation 在Transformer-XL中,由于设计了segments,如果仍采用transformer模型中的绝对位置编码的话,将不能区分处不同segments内同样相对位置的词的 ...
PyTorch 深度学习实用指南：1~5
原文:PyTorch Deep Learning Hands-On 协议:CC BY-NC-SA 4.0 译者:飞龙本文来自[ApacheCN 深度学习译文集],采用译后编辑(MTPE)流程来尽可 ...
GitHub 上 15 个优秀开源项目告诉你如何上手数据科学！
点击上方"CSDN",选择"置顶公众号" 关键时刻,第一时间送达! 作为一名狂热的数据科学爱好者,本文作者整理了 2017 年 Github 上尤为实用的数据科 ...
nlp-with-transformers系列-02-从头构建文本分类器
大家好,我是致Great,微信TO-Great,欢迎大家公众号ChallengeHub的NLP技术交流群. 文本分类文本分类是 NLP 中最常见的任务之一, 它可用于广泛的应用或者开发成程序,例如将 ...

pytorch炼金术-One-Hot 编码

One-Hot 编码

1. F.one_hot

加载图片

2. torch.scatter_

源代码

加载图片实例

pytorch炼金术-One-Hot 编码相关推荐

最新文章

热门文章