如何将pytorch中的标签转换为onehot

如何为

target\u transform

提供将标签更改为onehot编码的函数

例如，torchvision中的MNIST数据集：

train_dataset = torchvision.datasets.MNIST(root='./mnist_data/', 
                                           train=True,
                                           download=True,
                                           transform=train_transform,
                                           target_transform=<????>)

train_dataset=torchvision.datasets.MNIST（root='./MNIST_data/”，
火车=真的，
下载=真，
transform=训练_transform，
目标_变换=）

---

尝试了

F.onehot（）

，但没有成功。

我就是这样实现的。不确定是否有更干净的方法

train_dataset=torchvision.datasets.MNIST（root='./data/'，train=True，
transform=torchvision.transforms.ToTensor（），
target_transform=torchvision.transforms.Compose([
lambda x:torch.LongTensor（[x]），#或者仅仅是torch.tensor
lambda x:F.one_hot（x，10）]），
下载=真）

• 它需要是一个

  索引张量

  ？i、 e.int64

• 无法使用torchvision.ToSensor，因为它不是图像

• 此外，

  torch.LongTensor

  和

  torch.tensor

  在

  int

  输入时表现不同

• 需要提供课程数量

---

使用lambda用户定义函数将整数转换为一个热编码张量

train_dataset=torchvision.datasets.MNIST（root='./MNIST_data/'，train=True，
下载=True，转换=train\u转换，
目标_变换=Lambda（Lambda y:torch.zero（10，dtype=torch.float）.scatter_0，torch.tensor（y，value=1））

• 它首先创建一个大小为10的零张量（数据集中标签的数量） 并调用scatter_u，它在标签y给出的索引上指定一个值=1

F.onehot（）有什么问题吗？对我来说，作为

torch.nn.functional.one\u hot（torch.tensor（2,5））。type（torch.cuda.FloatTensor）