A Pytorch átalakítja a tenzort egy forróvá

Használhatja a torch.nn.functional.one_hot fájlt.
Az Ön esetére:
a = torch.nn.functional.one_hot (tnsr, num_classes = osztályok)
out = a. engedélyezett (0, 3, 1, 2)
|
Használhatja a Tensor.scatter_ alkalmazást is, amely elkerüli a .permute alkalmazást, de vitathatatlanul nehezebben érthető, mint az @Alpha által javasolt egyszerű módszer.
def batch_tensor_to_onehot (tnsr, osztályok):
eredmény = torch.zeros (tnsr.shape [0], osztályok, * tnsr.shape [1:], dtype = torch.long, device = tnsr.device)
eredmény.szórás_ (1, tnsr.csavarás (1), 1)
visszatérési eredmény
Benchmarking eredmények
Kíváncsi voltam, és úgy döntöttem, hogy összehasonlítom a három megközelítést. Megállapítottam, hogy a javasolt módszerek között a tétel mérete, szélessége vagy magassága tekintetében nem látszik szignifikáns relatív különbség. Elsősorban az osztályok száma volt a megkülönböztető tényező. Természetesen, mint minden referenciaérték esetében, a futásteljesítmény változhat.
A referenciaértékeket véletlenszerű indexek és a tételméret, magasság, szélesség = 100 felhasználásával gyűjtöttük össze. Mindegyik kísérletet 20-szor megismételtük az átlag jelentésével. A num_classes = 100 kísérlet egyszer futtatásra kerül, mielőtt profilt készítene a bemelegítéshez.
A CPU eredményei azt mutatják, hogy az eredeti módszer valószínűleg a 30 körüli szám alatti osztályok esetében volt a legjobb, míg a GPU esetében a szórás_ megközelítés tűnik a leggyorsabbnak.
Az Ubuntu 18.04, NVIDIA 2060 Super, i7-9700K tesztek
Az összehasonlításhoz használt kód az alábbiakban található:
import fáklya
tqdm importból tqdm
import idő
importálja a matplotlib.pyplot-t plt-ként
def batch_tensor_to_onehot_slavka (tnsr, osztályok):
tnsr = tnsr. megszorítás (1)
res = []
tartományban lévő osztályokhoz (osztályok):
res.append ((tnsr == cls) .long ())
return torch.cat (res, dim = 1)
def batch_tensor_to_onehot_alpha (tnsr, osztályok):
eredmény = torch.nn.functional.one_hot (tnsr, num_classes = osztályok)
visszatérési eredmény. engedély (0, 3, 1, 2)
def batch_tensor_to_onehot_jodag (tnsr, osztályok):
eredmény = torch.zeros (tnsr.shape [0], osztályok, * tnsr.shape [1:], dtype = torch.long, device = tnsr.device)
eredmény.szórás_ (1, tnsr.csavarás (1), 1)
visszatérési eredmény
def main ():
szám_osztály = [2, 10, 25, 50, 100]
magasság = 100
szélesség = 100
bs = [100] * 20
d-re a ['cpu', 'cuda'] -ban:
times_slavka = []
alkalommal_alfa = []
times_jodag = []
bemelegítés = Igaz
c esetén tqdm-ben ([szám_osztályok [-1]] + szám_osztályok, ncols = 0):
tslavka = 0
talpha = 0
tjodag = 0
b-nek bs-ben:
tnsr = fáklya.randint (c, (b, magasság, szélesség)). - (eszköz = d)
t0 = idő.idő ()
y = batch_tensor_to_onehot_slavka (tnsr, c)
torch.cuda.synchronize ()
tslavka + = idő.idő () - t0
ha nem bemelegítés:
times_slavka.append (tslavka / len (bs))
b-nek bs-ben:
tnsr = fáklya.randint (c, (b, magasság, szélesség)). - (eszköz = d)
t0 = idő.idő ()
y = batch_tensor_to_onehot_alpha (tnsr, c)
torch.cuda.synchronize ()
talpha + = idő.idő () - t0
ha nem bemelegítés:
times_alpha.append (talpha / len (bs))
b esetén bs-ben:
tnsr = fáklya.randint (c, (b, magasság, szélesség)). - (eszköz = d)
t0 = idő.idő ()
y = batch_tensor_to_onehot_jodag (tnsr, c)
torch.cuda.synchronize ()
tjodag + = idő.idő () - t0
ha nem bemelegítés:
times_jodag.append (tjodag / len (bs))
bemelegítés = hamis
ábra = plt. ábra ()
ax = ábra. részterületek ()
ax.plot (num_classes, times_slavka, label = 'Szlavka-macska')
ax.plot (szám_osztályok, idők_alfa, címke = 'Alpha-one_hot')
ax.plot (num_classes, times_jodag, label = 'jodag-scatter_')
ax.set_xlabel ('szám_osztályok')
ax.set_ylabel ('idő (ek)')
ax.set_title (f '{d} benchmark')
ax.legend ()
plt.savefig (f '{d} .png')
plt.show ()
ha __name__ == "__main__":
fő()
|
A válaszod
StackExchange.ifUsing ("editor", function () {
StackExchange.using ("externalEditor", function () {
StackExchange.using ("kivonatok", function () {
StackExchange.snippets.init ();
});
});
}, "kódrészletek");
StackExchange.ready (function () {
var channelOptions = {
címkék: "" .split (""),
id: "1"
};
initTagRenderer ("". split (""), "" .split (""), channelOptions);
StackExchange.using ("externalEditor", function () {
// A szerkesztőt töredékek után kell indítania, ha a kivonatok engedélyezve vannak
if (StackExchange.settings.snippets.snippetsEnabled) {
StackExchange.using ("kivonatok", function () {
createEditor ();
});
}
más {
createEditor ();
}
});
function createEditor () {
StackExchange.prepareEditor ({
useStacksEditor: hamis,
heartbeatType: 'válasz',
autoActivateHeartbeat: hamis,
convertImagesToLinks: true,
noModals: igaz,
showLowRepImageUploadWarning: igaz,
reputációToPostImages: 10,
bindNavPrevention: igaz,
postfix: "",
imageUploader: {
brandingHtml: "Powered by \ u003ca href = \" https: //imgur.com/ \ "\ u003e \ u003csvg class = \" svg-icon \ "width = \" 50 \ "height = \" 18 \ "viewBox = \ "0 0 50 18 \" fill = \ "none \" xmlns = \ "http: //www.w3.org/2000/svg \" \ u003e \ u003cpath d = \ "M46.1709 9.17788C46.1709 8.26454 46.2665 7.94324 47.1084 7.58816C47.4091 7.46349 47.7169 7.36433 48.0099 7.26993C48.9099 6.97997 49.672 6.73443 49.672 5.93063C49.672 5.22043 48.9832 4.61182 48.1414 4.61182C47.4335 4.61182 46.7256 4.7506 4.916 43.1481 6.59048V11.9512C43.1481 13.2535 43.6264 13.8962 44.6595 13.8962C45.6924 13.8962 46.1709 13.253546.1709 11.9512V9.17788Z \ "/ \ u003e \ u003cpath d = \" M32.492 10.1419C32.492 12.6954 34.1182 14.0484 37.0451 14.0484C39.9723 14.0484 41.5985 12.6954 41.5985 10.1419V6.590492 4132 38.5948 5.28821 38.5948 6.59049V9.60062C38.5948 10.8521 38.2696 11.5455 37.0451 11.5455C35.8209 11.5455 35.4954 10.8521 35.4954 9.60062V6.59049C35.4954 5.28821 35.0173 4.66232 34.0034 3266.4323 fill-rule = \ "evenodd \" clip-rule = \ "evenodd \" d = \ "M25.6622 17.6335C27.8049 17.6335 29.3739 16.9402 30.2537 15.6379C30.8468 14.7755 30.9615 13.5579 30.9615 11.9512V6.59049C30.9615 5.28821 30.48 29.4502 4.66231C28.9913 4.66231 28.4555 4.94978 28.1109 5.50789C27.499 4.86533 26.7335 4.56087 25.7005 4.56087C23.1369 4.56087 21.0134 6.57349 21.0134 9.27932C21.0134 11.9852 23.003 13.9131 131 131 131 131 131 131 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 131 13 131 13 131 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 C28. 1256 12.8854 28,1301 12,9342 28,1301 12.983C28.1301 14,4373 27,2502 15,2321 25,777 15.2321C24.8349 15,2321 24,1352 14,9821 23,5661 14.7787C23.176 14,6393 22,8472 14,5218 22,5437 14.5218C21.7977 14,5218 21,2429 15,0123 21,2429 15.6887C21.2429 16,7375 22,9072 17,6335 25,6622 17.6335ZM24.1317 9,27932 C24.1317 7.94324 24.9928 7.09766 26.1024 7.09766C27.2119 7.09766 28.0918 7.94324 28.0918 9.27932C28.0918 10.6321 27.2311 11.5116 26.1024 11.5116C24.9737 11.5116 24.1317 10.6491 24.1317 9.27932Z \ ". 8045 13.2535 17.2637 13.8962 18.2965 13.8962C19.3298 13.8962 19.8079 13.2535 19.8079 11.9512V8.12928C19.8079 5.82936 18.4879 4.62866 16.4027 4.62866C15.1594 4.62866 14.279 4.98375 13.3609 5.880157366 4.6386 4.6366366 58314 4.9328 7.10506 4.66232 6.51203 4.66232C5.47873 4.66232 5.00066 5.28821 5.00066 6.59049V11.9512C5.00066 13.2535 5.47873 13.8962 6.51203 13.8962C7.54479 13.8962 8.0232 13 .2535 8.0232 11.9512V8.90741C8.0232 7.58817 8.44431 6.91179 9.53458 6.91179C10.5104 6.91179 10.893 7.58817 10.893 8.94108V11.9512C10.893 13.2535 11.3711 13.8962 12.4044 13.8962C13.47157137157137137157137137137157 C16.4027 6.91179 16.8045 7.58817 16.8045 8.94108V11.9512Z \ "/ \ u003e \ u003cp d = \" M3.31675 6.59049C3.31675 5.28821 2.83866 4.66232 1.82471 4.66232C0.791758 4.66232 0.313354 6.5905133.33535.53.33354 1.82471 13.8962C2.85798 13.8962 3.31675 13.2535 3.31675 11.9512V6.59049Z \ "/ \ u003e \ u003cpath d = \" M1.87209 0.400291C0.843612 0.400291 0 1.1159 0 1.98861C0 2.87869 0.822846 3.5767 C3.7234 1.1159 2.90056 0.400291 1.87209 0.400291Z \ "fill = \" # 1BB76E \ "/ \ u003e \ u003c / svg \ u003e \ u003c / a \ u003e",
contentPolicyHtml: "Felhasználói hozzájárulások a \ u003ca href = \" https: //stackoverflow.com/help/licensing \ "\ u003ecc by-sa \ u003c / a \ u003e \ u003ca href = \" https://stackoverflow.com címen engedélyezettek / legal / content-policy \ "\ u003e (tartalmi irányelv) \ u003c / a \ u003e",
allowUrls: igaz
},
onDemand: igaz,
discardSelector: ".discard-answer"
, azonnalShowMarkdownHelp: true, enableTables: true, enableSnippets: true
});
}
});
Köszönjük, hogy közreműködött a Stack Overflow válaszában!
Kérjük, feltétlenül válaszoljon a kérdésre. Adjon meg részleteket és ossza meg kutatását!
De kerüld ...
Kérjen segítséget, pontosítást vagy válaszoljon más válaszokra.
Nyilatkozatok tétele vélemény alapján; támassza alá őket referenciákkal vagy személyes tapasztalatokkal.
Ha többet szeretne megtudni, olvassa el a nagyszerű válaszok megírásával kapcsolatos tippjeinket.
Piszkozat mentve
Piszkozat eldobva
Regisztráljon vagy jelentkezzen be
StackExchange.ready (function () {
StackExchange.helpers.onClickDraftSave ('# login-link');
});
Regisztráljon a Google segítségével
Regisztráljon a Facebook segítségével
Regisztráljon az E-mail és a Jelszó használatával
Beküldés
Hozzászólás vendégként
Név
Email
Kötelező, de soha nem látható
StackExchange.ready (
függvény () {
StackExchange.openid.initPostLogin ('. New-post-login', 'https% 3a% 2f% 2fstackoverflow.com% 2fquestions% 2f62245173% 2fpytorch-transform-tensor-to-one-hot% 23new-answer', 'question_page' );
}
);
Hozzászólás vendégként
Név
Email
Kötelező, de soha nem látható
Tegye közzé válaszát
Dobd el
A „Válasz elküldése” gombra kattintva elfogadja az Általános Szerződési Feltételeinket, az adatvédelmi irányelveket és a cookie-kat
Nem a keresett válasz? Böngésszen a python pytorch tenzor egy forró kódolással címkézett egyéb kérdésekben, vagy tegye fel saját kérdését.