由于Pytorch不像TensorFlow有谷歌巨頭做維護，很多功能并沒有很高級的封裝，比如說沒有tf.one_hot函數。

本篇介紹將一個mini batch的label向量變成形狀為[batch size, class numbers]的one hot編碼的兩種方法，涉及到

• tensor.scatter_
• tensor.index_select

前言

本文將針對全連接網絡和全卷積網絡輸出的形式不同，將one hot編碼分兩種情況。

• 第一種針對網絡輸出是二維，即全連接層的輸出形式， [Batchsize， Num_class]
• 第二種針對輸出是四維特征圖，即分割網絡的輸出形式，[Batchsize， Num_class， H，W]

先將第一種情況

使用scatter_獲得one hot 編碼

我相信在CSDN上找這個函數用法的人都是看不懂官方介紹的，所以我不會像其他地方那樣，搬官方教程，我也是琢磨了很久才看懂這個函數，但函數聲明還是要看看的。

tensor.scatter_(dim, index, src)?

• dim : 指定了覆蓋數據是從哪個軸作為依據。后面再詳細解釋。值的范圍是從0到 sum(tensor.shape)-1
• index ： 告訴函數要將src中對應的值放到tensor的哪個位置。index的shape要和src一致，或者src可以通過廣播機制實現shape一致。
• src : 保存了想用來覆蓋tensor的值

我們先看一個例子，例子從別的博客copy過來，但我會做更加詳細的介紹。覺得講得好請留言作為鼓勵。

>>> x = torch.rand(2, 5)
>>> x

?0.4319 ?0.6500 ?0.4080 ?0.8760 ?0.2355
?0.2609 ?0.4711 ?0.8486 ?0.8573 ?0.1029
[torch.FloatTensor of size 2x5]

>>> torch.zeros(3, 5).scatter_(0, torch.LongTensor([[0, 1, 2, 0, 0], [2, 0, 0, 1, 2]]), x)

?0.4319 ?0.4711 ?0.8486 ?0.8760 ?0.2355
?0.0000 ?0.6500 ?0.0000 ?0.8573 ?0.0000
?0.2609 ?0.0000 ?0.4080 ?0.0000 ?0.1029
[torch.FloatTensor of size 3x5]

注意到dim為0，代表以第一個維度作為依托。index是一個二維數組。

[0,1,2,0,0]
[2,0,0,1,2]

那么我們要覆蓋tensor的位置有10個，分別為

[0,0];[1,1];[2,2];[0,3];[0,4]
[2,0];[0,1];[0,2];[1,3];[2,4]

dim指定了index我們要將index的值作為哪一個軸的值。其他軸就是按照0到max shape -1變化罷了。比如說dim為0，那么index的值都作為坐標的第一個位置的值，另一個位置從0到4變換。

你們可以驗證下，是不是這10個位置被覆蓋了。10個位置的第一個軸是index的數字，第二個數字是index中的列數，從0到4。

要覆蓋的位置有了，那么用什么值覆蓋呢？別忘了我們的index的維度和src是一樣的。index中選擇什么位置的坐標，就對應用src對應的位置的值代替。

比如說要代替tensor中[0,0]的值，index中[0,0]就是第0行第0列對應的位置，那我們用src第0行第0列的值代替tensor的值。大家可以去驗證一下。

我們看看下面的的情況，如果dim為1呢。

>>> z = torch.zeros(2, 4).scatter_(1, torch.LongTensor([[2], [3]]), 1.23)
>>> z

先分析一下

dim為1，那么index的值都作為坐標的第2個位置的值，第一個位置的值應該從0到1變化。

所以要被代替的位置有

[0,2];[1,3]

而[0,2]的位置要填入的值為1.23，[1,3]要填入的值為1.23。（廣播機制將1.23這個標量擴展到了shape為（2,1））

好的，函數用法知道了。我們現在看看如何用該函數將label編碼為one hot編碼。

首先設想一個batch size為8的label。有10類，所以label中的數字應該是從0到9的。

import torch as t
import numpy as np

batch_size = 8
class_num = 10
label = np.random.randint(0,class_num,size=(batch_size,1))
label = t.LongTensor(label)

我們就獲得了一個label，shape是(8,1)，必須是2維。如果是(8,)下面的內容會報錯的。

y_one_hot = t.zeros(batch_size,class_num).scatter_(1,label,1)
print(y_one_hot)

'''
tensor([[0., 0., 0., 0., 0., 0., 1., 0., 0., 0.],
? ? ? ? [0., 0., 0., 1., 0., 0., 0., 0., 0., 0.],
? ? ? ? [0., 0., 0., 0., 0., 1., 0., 0., 0., 0.],
? ? ? ? [0., 0., 0., 0., 0., 0., 0., 0., 0., 1.],
? ? ? ? [0., 0., 0., 0., 0., 0., 0., 0., 1., 0.],
? ? ? ? [0., 0., 0., 0., 0., 0., 1., 0., 0., 0.],
? ? ? ? [0., 0., 1., 0., 0., 0., 0., 0., 0., 0.],
? ? ? ? [0., 0., 0., 0., 0., 0., 0., 0., 1., 0.]])
'''

搞定。下面我們看下面一種方法。

使用tensor.index_select獲得one hot編碼

還是先看下index_select的用法。

tensor.index_select( dim, index, out=None)

• dim: 指定按什么維度取tensor中的向量
• index: 是一個一維的張量。描述了按照dim維度取出tensor對應的index值的向量。

我們不看例子了，直接看方法，以此為例。

ones = torch.sparse.torch.eye(class_num)
return ones.index_select(0,label)

這里的label是一維的向量，不是二維的。因為index制定了必須是一維的

先生成一個單位矩陣，尺寸是[class_num, class_num]。

dim為0，以為這按照行來取tensor的向量。具體取哪一行呢，就是label中的值了。

這時我們應該也明白為啥這兩行代碼能實現one hot編碼了吧。

如果label是[ 1,3,0]，有四類。那我們得到就是

[0,1,0,0]
[0,0,0,1]
[1,0,0,0]

第二種針對分割網絡的one_hot編碼

對于分割類任務，網絡的GT肯定是二維數組，而不是像分類任務那樣的一維數組了。而對于分割任務，我們將其視作很多個像素值的分類任務，將ground truth 直接 reshape為向量形式，然后用上面的方法轉為one hot編碼，然后再reshape回來。核心是不變的。

下面舉個例子。

import torch
import numpy as np

gt = np.random.randint(0,5, size=[15,15]) ?#先生成一個15*15的label，值在5以內，意思是5類分割任務
gt = torch.LongTensor(gt)

def get_one_hot(label, N):
? ? size = list(label.size())
? ? label = label.view(-1) ? # reshape 為向量
? ? ones = torch.sparse.torch.eye(N)
? ? ones = ones.index_select(0, label) ? # 用上面的辦法轉為換one hot
? ? size.append(N) ?# 把類別輸目添到size的尾后，準備reshape回原來的尺寸
? ? return ones.view(*size)


gt_one_hot = get_one_hot(gt, 5)
print(gt_one_hot)
print(gt_one_hot.shape)

print(gt_one_hot.argmax(-1) == gt) ?# 判斷one hot 轉換方式是否正確，全是1就是正確的

另外注意，在Pytorch中，如果要和網絡輸出的特征圖一起計算loss，還要把上面輸出的one hot編碼的最后一個維度使用permute轉到通道維度上。

總結