Pytorch 计算二进制矩阵和二维坐标列表之间的损失

我有一个PyTorch模型，它生成一个坐标列表，例如

>coords=模型（输入）
张量（[[1.1000,3.8000,0.2000,4.4000,2.5000]，
[3.4000, 3.2000, 1.3000, 0.9000, 1.7000]])

其中，

coords[0]

是x坐标，

coords[1]

是y坐标，表示像素值。这些像素值形成一个二进制“图像”：

索引=coords.round（）.long（） >>>torch.sparse.FloatTensor（索引，torch.one（索引.形状[1]），torch.Size（[5,5]）到密度（） 张量（[[0,0,0,0,0,0.]）， [1., 0., 0., 0., 1.], [0., 0., 1., 0., 0.], [0., 1., 0., 0., 1.], [0., 0., 0., 0., 0.]]) 我想优化我的模型，使输出矩阵匹配二进制目标图像

然而，索引步骤是不可微的。

.long（）

操作会导致

RuntimeError: element 0 of tensors does not require grad and does not have a grad_fn

在后退的一步

是否可以执行“2D one热编码”或其他操作，以可微的方式将浮点坐标列表转换为二进制矩阵