如何使用pytorch将多标签分类上下文下的标签列表覆盖到一个热编码中？

我有一个列表，每个样本都有一个多标签的一批数据。那么如何在一个热编码中把它转换成火炬张量呢？ 例如，当批处理大小为5和类数为6时

标签=[
[1,2,3],
[4,6],
[1],
[1,4,5],
[4]
]

如何在pytorch中将其变成一个热编码

label\u tensor=tensor([
[1,1,1,0,0,0],
[0,0,0,1,0,1],
[1,0,0,0,0,0],
[1,0,0,1,1,0],
[0,0,0,1,0,0]
])

如果批次大小可以从

len（标签）

导出：

def to_onehot（标签，n_类别，dtype=torch.float32）：
批次大小=长度（标签）
一个热标签=火炬。零（大小=（批量大小，n个类别），数据类型=数据类型）
对于i，枚举中的标签（标签）：
#从每个LongTensor中减去1，因为
#索引从1开始，张量索引从0开始
标签=火炬。传感器（标签）-1
一个热标签[i]=一个热标签[i]。散布（dim=0，索引=label，值=1。）
返回一个热标签

您有6个类别，希望输出是整数的张量：

to_onehot（标签，n_类别=6，dtype=torch.int64）

我会坚持使用torch.float32，以防以后需要使用标签平滑、混合或类似的方法

tensor([[1, 1, 1, 0, 0, 0],
        [0, 0, 0, 1, 0, 1],
        [1, 0, 0, 0, 0, 0],
        [1, 0, 0, 1, 1, 0],
        [0, 0, 0, 1, 0, 0]])