Pytorch muuntaa tensorin yhdeksi kuumaksi

Voit käyttää torch.nn.functional.one_hot.
Sinun tapauksessasi:
a = torch.nn.functional.one_hot (tnsr, num_classes = luokat)
out = a. sallittu (0, 3, 1, 2)
|
Voit käyttää myös Tensor.scatter_ -ohjelmaa, joka välttää .permuten, mutta on epäilemättä vaikeampaa ymmärtää kuin @Alpha ehdottama yksinkertainen menetelmä.
def batch_tensor_to_onehot (tnsr, luokat):
tulos = soihtu.zerot (tnsr.shape [0], luokat, * tnsr.shape [1:], dtype = torch.long, device = tnsr.device)
result.scatter_ (1, tnsr. purista (1), 1)
palautustulos
Vertailuanalyysitulokset
Olin utelias ja päätin vertailla näitä kolmea lähestymistapaa. Huomasin, että ehdotettujen menetelmien välillä ei näytä olevan merkittävää suhteellista erää erän koon, leveyden tai korkeuden suhteen. Ensisijaisesti luokkien lukumäärä oli erottava tekijä. Tietenkin, kuten minkä tahansa vertailuarvon, mittarilukema voi vaihdella.
Vertailuarvot kerättiin käyttämällä satunnaisia ​​indeksejä ja käyttämällä erän kokoa, korkeutta, leveyttä = 100. Jokainen koe toistettiin 20 kertaa, jolloin keskiarvo ilmoitettiin. Num_classes = 100 -kokeilu suoritetaan kerran ennen profilointia lämmittelyä varten.
Suorittimen tulokset osoittavat, että alkuperäinen menetelmä oli luultavasti paras alle noin 30: n num_luokille, kun taas GPU: lle sironta-lähestymistapa näyttää olevan nopein.
Testit suoritettiin Ubuntu 18.04, NVIDIA 2060 Super, i7-9700K
Vertailuun käytetty koodi on annettu alla:
tuonti soihtu
tqdm-tuonnista tqdm
tuontiaika
tuo matplotlib.pyplot plt-tiedostona
def batch_tensor_to_onehot_slavka (tnsr, luokat):
tnsr = tnsr. purista (1)
res = []
alueen cls: lle (luokat):
res.append ((tnsr == cls). pitkä ())
palaa soihtu.kissa (res, himmeä = 1)
def batch_tensor_to_onehot_alpha (tnsr, luokat):
tulos = torch.nn.functional.one_hot (tnsr, num_classes = luokat)
palautustulos. sallia (0, 3, 1, 2)
def batch_tensor_to_onehot_jodag (tnsr, luokat):
tulos = soihtu.zerot (tnsr.shape [0], luokat, * tnsr.shape [1:], dtype = torch.long, device = tnsr.device)
result.scatter_ (1, tnsr. purista (1), 1)
palautustulos
def main ():
lukumäärä = [2, 10, 25, 50, 100]
korkeus = 100
leveys = 100
bs = [100] * 20
d: lle ['cpu', 'cuda']:
kertaa_slavka = []
kertaa_alfa = []
kertaa_jodag = []
lämmitys = totta
c: lle tqdm: ssä ([num_luokat [-1]] + num_luokat, ncols = 0):
tslavka = 0
talpha = 0
tjodag = 0
b: lle bs: ssä:
tnsr = taskulamppu.randint (c, (b, korkeus, leveys)) - (laite = d)
t0 = aika.aika ()
y = batch_tensor_to_onehot_slavka (tnsr, c)
torch.cuda.synchronize ()
tslavka + = aika. aika () - t0
jos ei lämmitystä:
times_slavka.append (tslavka / len (bs))
b: lle bs: ssä:
tnsr = taskulamppu.randint (c, (b, korkeus, leveys)) - (laite = d)
t0 = aika.aika ()
y = erän_tensorin_to_onehot_alfa (tnsr, c)
torch.cuda.synchronize ()
talpha + = aika. aika () - t0
jos ei lämmitystä:
times_alpha.append (talpha / len (bs))
b: lle b: ssä:
tnsr = taskulamppu.randint (c, (b, korkeus, leveys)) - (laite = d)
t0 = aika.aika ()
y = batch_tensor_to_onehot_jodag (tnsr, c)
torch.cuda.synchronize ()
tjodag + = aika. aika () - t0
jos ei lämmitystä:
times_jodag.append (tjodag / len (bs))
lämmitys = väärä
kuva = plt. kuva ()
kirves = kuva. osa-alueet ()
ax.plot (numero_luokkia, kertaa_slavka, etiketti = 'Slavka-kissa')
ax.plot (numero_luokat, kertaa_alfa, etiketti = 'Alpha-one_hot')
ax.plot (num_classes, times_jodag, label = 'jodag-scatter_')
ax.set_xlabel ('num_luokat')
ax.set_ylabel ('aika (t)')
ax.set_title (f '{d} vertailuarvo')
ax.legend ()
plt.savefig (f '{d} .png')
plt.show ()
jos __nimi__ == "__main__":
main ()
|
Vastauksesi
StackExchange.ifUsing ("editor", function () {
StackExchange.using ("externalEditor", function () {
StackExchange.using ("katkelmat", function () {
StackExchange.snippets.init ();
});
});
}, "koodinpätkät");
StackExchange.ready (function () {
var channelOptions = {
tunnisteet: "" .split (""),
id: "1"
};
initTagRenderer ("". split (""), "" .split (""), channelOptions);
StackExchange.using ("externalEditor", function () {
// Sinun on käynnistettävä editori katkelmien jälkeen, jos katkelmat ovat käytössä
if (StackExchange.settings.snippets.snippetsEnabled) {
StackExchange.using ("katkelmat", function () {
createEditor ();
});
}
muu {
createEditor ();
}
});
funktio createEditor () {
StackExchange.prepareEditor ({
useStacksEditor: väärä,
heartbeatType: 'vastaus',
autoActivateHeartbeat: epätosi,
convertImagesToLinks: true,
noModals: totta,
showLowRepImageUploadWarning: tosi,
maineToPostImages: 10,
bindNavPrevention: tosi,
postfix: "",
imageUploader: {
brandingHtml: "Palvelun tarjoaa \ 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 10.1419V6.59049C32 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 13,913 25,3754 13.913C26.5612 13,913 27,4607 13,4902 28,1109 12.6616C28.1109 12,7229 28,1161 12,7799 28,121 12,8346 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 5.880157366366366 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 0,2535 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 13.8962C13.4375 13,8962 13,9157 13,2535 13,9157 11.9512V8.90741C13.9157 7,58817 14,3365 6,91179 15,4269 6,91179 C16.4027 6.91179 16.8045 7.58817 16.8045 8.94108V11.9512Z \ "/ \ u003e \ u003path d = \" M3.31675 6.59049C3.31675 5.28821 2.83866 4.66232 1.82471 4.66232C0.791758 4.66232 0.313354 6.5383535 5.23521 0.33 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 3.57676 C3.7234 1.1159 2.90056 0.400291 1.87209 0.400291Z \ "fill = \" # 1BB76E \ "/ \ u003e \ u003c / svg \ u003e \ u003c / a \ u003e",
contentPolicyHtml: "Käyttäjän käyttöoikeudet lisensoitu \ u003ca href = \" https: //stackoverflow.com/help/licensing \ "\ u003ecc by-sa \ u003c / a \ u003e \ u003ca href = \" https://stackoverflow.com / legal / content-policy \ "\ u003e (sisältökäytäntö) \ u003c / a \ u003e",
allowUrls: totta
},
onDemand: totta,
discardSelector: ".discard-answer"
, välittömästiShowMarkdownHelp: true, enableTables: true, enableSnippets: true
});
}
});
Kiitos vastauksestasi Stack Overflow -ohjelmaan!
Muista vastata kysymykseen. Anna yksityiskohdat ja jaa tutkimuksesi!
Mutta vältä…
Pyydä apua, selvennystä tai vastaamista muihin vastauksiin.
Lausuntojen tekeminen mielipiteen perusteella; varmuuskopioi ne viitteillä tai henkilökohtaisella kokemuksella.
Jos haluat lisätietoja, katso vinkit hyvien vastausten kirjoittamiseen.
Luonnos tallennettu
Luonnos hylätty
Rekisteröidy tai kirjaudu sisään
StackExchange.ready (function () {
StackExchange.helpers.onClickDraftSave ('# login-link');
});
Rekisteröidy Googleen
Rekisteröidy Facebookilla
Rekisteröidy sähköpostilla ja salasanalla
Lähetä
Lähetä vieras
Nimi
Sähköposti
Pakollinen, mutta ei koskaan näytetty
StackExchange.ready (
funktio () {
StackExchange.openid.initPostLogin ('. New-post-login', 'https% 3a% 2f% 2fstackoverflow.com% 2fquestions% 2f62245173% 2fpytorch-transform-tensor-to-one-hot% 23new-answer', 'question_page' );
}
);
Lähetä vieras
Nimi
Sähköposti
Pakollinen, mutta ei koskaan näytetty
Lähetä vastauksesi
Hylkää
Klikkaamalla "Lähetä vastauksesi" hyväksyt käyttöehdot, tietosuojakäytännön ja evästekäytännön
Eikö vastausta etsit? Selaa muita kysymyksiä, jotka on merkitty nimellä python pytorch tensor one-hot-encoding tai kysy oma kysymyksesi.