torch 序列独热编码

在PyTorch中，可以使用torch.nn.functional.one_hot函数来实现序列的独热编码。该函数接受一个输入张量和一个编码的类别数作为参数，并返回一个形状与输入张量相同的独热编码张量。以下是一个示例代码：

import torch
import torch.nn.functional as F

# 定义输入张量
input_tensor = torch.tensor([2, 0, 1, 3])

# 计算编码的类别数
num_classes = input_tensor.max() + 1

# 进行独热编码
one_hot_tensor = F.one_hot(input_tensor, num_classes)

# 打印结果
print(one_hot_tensor)

运行上述代码，将得到一个形状与输入张量相同的独热编码张量。每个元素都被编码为一个长度为编码的类别数的向量，其中只有对应类别的位置为1，其余位置为0。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [pytorch实现onehot编码转为普通label标签](https://download.csdn.net/download/weixin_38737366/14859481)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [PyTorch 进行多步时间序列预测详细教程](https://blog.csdn.net/u010329292/article/details/129450576)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]