标签：index 样本 预测 标签 gather pytorch 概率 类别 out
pytorch中利用gather函数取出标签的预测概率的理解
背景
在pytorch中神经网络训练输出为one-hot编码，假设y_h为2个样本，在3个类别的情况下的输出：
y_h= torch.tensor([[0.1, 0.2, 0.7], [0.2, 0.2, 0.6]])
放在表格中便于理解：(此处类别从0开始编号)
| 样本序号 | 类别0预测概率 | 类别1预测概率 | 类别2预测概率 |
|---|---|---|---|
| 样本1 | 0.1 | 0.2 | 0.7 |
| 样本2 | 0.2 | 0.2 | 0.6 |
y存放样本对应的标签类别：
y=torch.LongTensor([0, 2])
即：第一个样本属于第0类，第二个样本属于第2类
则提取预测概率：
out=y_h.gather(1, y.view(-1, 1))
输出为：
tensor([[0.1000],
[0.6000]])
这样就把预测输出中标签的预测概率提取出来了。
理解
在pytorch中，函数
torch.gather(input, dim, index, out=None) → Tensor
沿给定轴 dim ,将输入索引张量 index 指定位置的值进行聚合.
对一个 2 维张量,输出可以定义为:
out[i][j] = input[ index[i][j] ][j] # if dim == 0
out[i][j] = input[i][ index[i][j] ] # if dim == 1
在这个例子中，
index=y.view(-1, 1)=tensor([[0],
[2]])
则输出为
out=y_h[i][index]=tensor([[0.1000],
[0.6000]])
进而实现标签的预测概率提取。
需要注意的是index需要是LongTensor类型
标签：index,样本,预测,标签,gather,pytorch,概率,类别,out 来源： https://blog.csdn.net/hic51/article/details/115122873
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。