今天小编就为大家分享一篇pytorch实现onehot编码转为普通label标签，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

今天小编就为大家分享一篇pytorch标签转onehot形式实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

在上一个教程中我们说到了NNLM，但是NNLM虽然考虑的一个词前面的词对它的影响，但是没有办法顾忌到后面的词，而且计算量较大，所以可以使用Word2vec中的一个模型CBOW。 目标：通过周围的词预测中心词w(t)w(t)w(t) 目标函数：J=∑ω∈corpusP(w∣content(w))J = \sum_{\omega\in corpus}P(w|content(w))J=∑ω∈corpus​P(w∣content(w)) 输入：上下文单词的onehot，假设单词向量空间dim为V，上

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,