Input pytorch的二进制输入

请问如何使pytorch中加载的数据在加载后变成二进制？ 与Tensorflow一样，Tensorflow可以通过以下方式实现：

train_data  = mnist.input_data.read_data_sets(data_directory, one_hot=True)

pytorch如何实现

one\u hot=True

效果

我现在拥有的数据加载程序是：

torch.set_default_tensor_type('torch.FloatTensor')
train_loader = torch.utils.data.DataLoader(
        datasets.MNIST('data/', train=True, download=True,
                       transform=transforms.Compose([
                         # transforms.RandomHorizontalFlip(),
                           transforms.ToTensor()])),
        batch_size=batch_size, shuffle=False)

我想使列车装载机中的数据进行二值化。 现在我要做的是：加载数据后

for data,_ in train_loader:
    torch.round(data) 
    data = Variable(data)

---

使用

torch.round（）

功能。这是正确的吗？

一个热门的编码思想用于分类。听起来您可能正在尝试创建一个自动编码器

如果您正在创建自动编码器，则无需舍入，因为BCELoss可以处理介于0和1之间的值。注意：训练时，最好不要使用S形，而是使用，因为它提供了数值稳定性

下面是一个带有MNIST的示例

如果您尝试进行分类，则不需要一个热向量，您只需输出等于类数的神经元数，即MNIST输出10个神经元，然后将其与具有相应预期类值的LongSensor一起传递

---

下面是一个on MNIST的示例

pytorch库中没有函数。你能提供你所期望的和你所拥有的吗？届时我们将能够帮助您。是编辑帮助~？因为我正在计算二进制交叉熵损失（nn.BCELoss（）。在pytorch.org中，这是通过pass sigmoid（x）完成的。我想知道我是否可以让x首先是二进制的。在输入过程中会使输入图像二值化，对神经网络产生影响~？首先，我不明白二值化输入是什么意思？您拥有表示像素值的图像数据。所以，我不清楚为什么需要对输入进行二值化。此外，

sigmoid（x）

与二值化有何关系？你能先定义二值化吗？另外，编辑你的问题，清楚地解释你现在有什么以及你想要什么。哦，这就像二值化/阈值化。即，使输入图像的像素值仅为0和1，看起来只有黑白。Sigmoid输出数字介于0-1之间，nn.BCSLoss（）采用0-1之间的数字，使用Sigmoid是pythorch doc所说的。您应该指定如何准确地对输入图像进行二值化，通过某种阈值（例如，128以下的像素值设置为0，高于128的像素值设置为1）或其他方式？目前，你的帖子中缺少了它，这使得你的问题很难回答。