Pytorch przekształca tensor w jeden gorący

Możesz użyć torch.nn.functional.one_hot.
W Twoim przypadku:
a = torch.nn.functional.one_hot (tnsr, num_classes = classes)
out = a. sperma (0, 3, 1, 2)
|
Możesz również użyć Tensor.scatter_, który unika .permute, ale jest prawdopodobnie trudniejszy do zrozumienia niż prosta metoda zaproponowana przez @Alpha.
def batch_tensor_to_onehot (tnsr, klasy):
wynik = torch.zeros (tnsr.shape [0], klasy, * tnsr.shape [1:], dtype = torch.long, urządzenie = tnsr.device)
result.scatter_ (1, tnsr.unsqueeze (1), 1)
zwracany wynik
Wyniki testów porównawczych
Byłem ciekawy i postanowiłem porównać te trzy podejścia. Okazało się, że nie ma znaczącej względnej różnicy między proponowanymi metodami pod względem wielkości partii, szerokości lub wysokości. Czynnikiem wyróżniającym była przede wszystkim liczba zajęć. Oczywiście, jak w przypadku każdego benchmarku, przebieg może się różnić.
Wartości porównawcze zebrano przy użyciu wskaźników losowych i stosując wielkość partii, wysokość, szerokość = 100. Każde doświadczenie powtórzono 20 razy, podając średnią. Eksperyment num_classes = 100 jest przeprowadzany jeden raz przed profilowaniem do rozgrzewki.
Wyniki CPU pokazują, że oryginalna metoda była prawdopodobnie najlepsza dla num_classes mniejszych niż około 30, podczas gdy dla GPU podejście scatter_ wydaje się najszybsze.
Testy przeprowadzono na Ubuntu 18.04, NVIDIA 2060 Super, i7-9700K
Kod używany do testów porównawczych znajduje się poniżej:
import latarki
z importu tqdm tqdm
czas importu
import matplotlib.pyplot jako plt
def batch_tensor_to_onehot_slavka (tnsr, klasy):
tnsr = tnsr.unsqueeze (1)
res = []
dla cls in range (klasy):
res.append ((tnsr == cls) .long ())
return torch.cat (res, dim = 1)
def batch_tensor_to_onehot_alpha (tnsr, klasy):
wynik = torch.nn.functional.one_hot (tnsr, num_classes = classes)
return result.permute (0, 3, 1, 2)
def batch_tensor_to_onehot_jodag (tnsr, klasy):
wynik = torch.zeros (tnsr.shape [0], klasy, * tnsr.shape [1:], dtype = torch.long, urządzenie = tnsr.device)
result.scatter_ (1, tnsr.unsqueeze (1), 1)
zwracany wynik
def main ():
num_classes = [2, 10, 25, 50, 100]
wysokość = 100
szerokość = 100
bs = [100] * 20
for d in ['cpu', 'cuda']:
times_slavka = []
times_alpha = []
times_jodag = []
warmup = Prawda
for c in tqdm ([num_classes [-1]] + num_classes, ncols = 0):
tslavka = 0
talpha = 0
tjodag = 0
dla b w bs:
tnsr = torch.randint (c, (b, wysokość, szerokość)). to (urządzenie = d)
t0 = czas.czas ()
y = batch_tensor_to_onehot_slavka (tnsr, c)
torch.cuda.synchronize ()
tslavka + = czas.czas () - t0
jeśli nie rozgrzewka:
times_slavka.append (tslavka / len (bs))
dla b w bs:
tnsr = torch.randint (c, (b, wysokość, szerokość)). to (urządzenie = d)
t0 = czas.czas ()
y = batch_tensor_to_onehot_alpha (tnsr, c)
torch.cuda.synchronize ()
talpha + = czas.czas () - t0
jeśli nie rozgrzewka:
times_alpha.append (talpha / len (bs))
dla b w bs:
tnsr = torch.randint (c, (b, wysokość, szerokość)). to (urządzenie = d)
t0 = czas.czas ()
y = batch_tensor_to_onehot_jodag (tnsr, c)
torch.cuda.synchronize ()
tjodag + = czas.czas () - t0
jeśli nie rozgrzewka:
times_jodag.append (tjodag / len (bs))
warmup = Fałsz
fig = plt.figure ()
ax = fig.subplots ()
ax.plot (num_classes, times_slavka, label = 'Slavka-cat')
ax.plot (num_classes, times_alpha, label = 'Alpha-one_hot')
ax.plot (num_classes, times_jodag, label = 'jodag-scatter_')
ax.set_xlabel ('num_classes')
ax.set_ylabel ('czas (y)')
ax.set_title (f '{d} test porównawczy')
ax.legend ()
plt.savefig (f '{d} .png')
plt.show ()
if __name__ == "__main__":
Główny()
|
Twoja odpowiedź
StackExchange.ifUsing ("editor", function () {
StackExchange.using ("externalEditor", function () {
StackExchange.using ("snippets", function () {
StackExchange.snippets.init ();
});
});
}, "fragmenty kodu");
StackExchange.ready (function () {
var channelOptions = {
tagi: „” .split („”),
id: "1"
};
initTagRenderer ("". split (""), "" .split (""), channelOptions);
StackExchange.using ("externalEditor", function () {
// Muszę uruchomić edytor po fragmentach, jeśli fragmenty są włączone
if (StackExchange.settings.snippets.snippetsEnabled) {
StackExchange.using ("snippets", function () {
createEditor ();
});
}
else {
createEditor ();
}
});
function createEditor () {
StackExchange.prepareEditor ({
useStacksEditor: false,
heartbeatType: 'answer',
autoActivateHeartbeat: false,
convertImagesToLinks: true,
noModals: true,
showLowRepImageUploadWarning: true,
reputationToPostImages: 10,
bindNavPrevention: prawda,
przyrostek: "",
imageUploader: {
brandingHtml: „Obsługiwane przez \ u003ca href = \" https: //imgur.com/ \ "\ u003e \ u003csvg class = \" ikona-svg \ "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 4,9168,26C364,65 46,7251 4,966C3 4,9168,51 4,966,65 4,9164,65 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 10.1419C32.492 12.6954 34.1182 14.0484 37.0451 14.0484C39.9723 14.0484 41.5985 12.6954 41.5985 10.1419V6.59049C2.41.5982. 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 34,0066c 3210932 \ 4,662,2432 \ 4,662,24903 4,662,2432 \ 4,662,24903 4,662,24903 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 30,9866 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 13,916,16,28,126,16 13,916 13,916,128,128,126,16 13,916 13,916 13,916 13,916 13,916 13,913 C28. 1256 12.8854 28,1301 12,9342 28,1301 27,2502 15,2321 14,4373 12.983C28.1301 25,777 15.2321C24.8349 15,2321 24,1352 14,9821 23,5661 22,8472 14,5218 14.7787C23.176 22,5437 14,6393 14.5218C21.7977 14,5218 21,2429 15,0123 21,2429 22,9072 17,6335 15.6887C21.2429 25,6622 16,7375 9,27932 17.6335ZM24.1317 C24.1317 7,94324 24,9928 7,09766 26,1024 7,09766 C27.2119 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 \ "/ \ u003c16 = 11,95 Mp. 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 4,698375 13,3609 5,857913C4,628,36 5,066C36 5,066 5,066 7,65 666 5,066 5,066 5,066 5,066 7,65 666C3 5,066 5,066 7,65 666 5,066 C 766 7,65 6,60 666 C 766,60 6,60 6603 5,066 C 666 C 766 7 6 6 7 6 7 6 7 6 7 6 7 6 7 6 6 6 6 7 6 6 6 6 7 6 6 6 7 6 6 7 6 6 6 6 6 6 7 6 6 7 6 6 6 6 6 6 7 7 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 13,893 7,58817 10,893 8,94108V11,9512C10.893 13,2535 11,3711 13,8962 12,4044 13,8962C13.4375 13,8915,35 611,95 C16.4027 6,91179 16,8045 7,58817 16,8045 8,94108V11,9512Z \ "/ \ u003e \ u003cpath d = \" M3.31675 6,59049C3.31675 5,28821 2,83866 4,66232 1,82471 4,66232C0,791758 4,66232 0,313354 5,28821 0,3133535 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 0,822820C6,57676 3,57676 1,867 3,6783,6783,6783,6783,6783,6787,67,67,67 2,67 C3,7234 1,1159 2,90056 0,400291 1,87209 0,400291Z \ "fill = \" # 1BB76E \ "/ \ u003e \ u003c / svg \ u003e \ u003c / a \ u003e",
contentPolicyHtml: "Wkład użytkowników licencjonowany na mocy \ u003ca href = \" https: //stackoverflow.com/help/licensing \ "\ u003ecc by-sa \ u003c / a \ u003e \ u003ca href = \" https://stackoverflow.com / legal / content-policy \ "\ u003e (polityka treści) \ u003c / a \ u003e",
allowUrls: true
},
onDemand: prawda,
discardSelector: ".discard-answer"
, natychmiastShowMarkdownHelp: true, enableTables: true, enableSnippets: true
});
}
});
Dziękujemy za przesłanie odpowiedzi na temat Stack Overflow!
Nie zapomnij odpowiedzieć na pytanie. Podaj szczegóły i udostępnij swoje badania!
Ale unikaj…
Proszenie o pomoc, wyjaśnienia lub odpowiadanie na inne odpowiedzi.
Wygłaszanie oświadczeń na podstawie opinii; poprzyj je referencjami lub osobistym doświadczeniem.
Aby dowiedzieć się więcej, zapoznaj się z naszymi wskazówkami dotyczącymi pisania świetnych odpowiedzi.
Wersja robocza zapisana
Wersja robocza odrzucona
Zarejestruj się lub zaloguj
StackExchange.ready (function () {
StackExchange.helpers.onClickDraftSave ('# login-link');
});
Zarejestruj się za pomocą Google
Zarejestruj się za pomocą Facebooka
Zarejestruj się przy użyciu adresu e-mail i hasła
Zatwierdź
Opublikuj jako gość
Nazwa
E-mail
Wymagane, ale nigdy nie pokazywane
StackExchange.ready (
function () {
StackExchange.openid.initPostLogin ('. New-post-login', 'https% 3a% 2f% 2fstackoverflow.com% 2fquestions% 2f62245173% 2fpytorch-transform-tensor-to-one-hot% 23new-answer', 'question_page' );
}
);
Opublikuj jako gość
Nazwa
E-mail
Wymagane, ale nigdy nie pokazywane
Opublikuj swoją odpowiedź
Odrzucać
Klikając „Opublikuj odpowiedź”, akceptujesz nasze warunki korzystania z usługi, politykę prywatności i politykę dotyczącą plików cookie
Nie szukasz odpowiedzi? Przeglądaj inne pytania oznaczone tagiem python pytorch tensor one-hot-encoding lub zadaj własne pytanie.