label转onehot的很多，但是onehot转label的有点难找，所以就只能自己实现以下，用的topk函数，不知道有没有更好的实现
one_hot = torch.tensor([[0,0,1],[0,1,0],[0,1,0]]) print(one_hot) label = torch.topk(one_hot, 1)[1].squeeze(1) print(label)
tensor([[0, 0, 1], [0, 1, 0], [0, 1, 0]]) tensor([2, 1, 1])
以上这篇pytorch实现onehot编码转为普通label标签就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持【听图阁-专注于Python设计】。
常规通过迭代或set方法，都无法保证去重后的顺序问题 如下,我们可以通过列表的索引功能，对set结果进行序列化 old_list=["a",1,"b","a","b",2,5,1]...
以下实验是我在百度公司实习的时候做的，记录下来留个小经验。 多GPU训练 cifar10_97.23 使用 run.sh 文件开始训练 cifar10_97.50 使用 run.4GPU...
今天做数据处理时，遇到了从三维数组中批量加入二维数组的需求。其中三维数组在深度学习的特征数据处理时经常会使用到，所以读者有必要对该小知识点做到清楚了解并掌握。现对三维数组中的元素位置结合...
filecmp定义了两个函数，用于方便地比较文件与文件夹： filecmp.cmp(f1, f2[, shallow])： 比较两个文件的内容是否匹配。参数f1, f2指定要比较的文件的...
set(可变集合)与frozenset(不可变集合)的区别： set无序排序且不重复，是可变的，有add（），remove（）等方法。既然是可变的，所以它不存在哈希值。基本功能包括关系测...