CommencerCommencer gratuitement

Création d’étiquettes encodées one-hot

L’encodage one-hot convertit une étiquette entière unique en un vecteur à N éléments, où N est le nombre de classes. Ce vecteur contient des zéros et un « 1 » à la bonne position.

Dans cet exercice, vous allez créer manuellement un vecteur encodé one-hot pour y, puis utiliser PyTorch pour simplifier le processus. Votre ensemble de données comporte trois classes (0, 1, 2).

numpy (np), torch.nn.functional (F), et torch sont déjà importés pour vous.

Cet exercice fait partie du cours

Introduction au deep learning avec PyTorch

Afficher le cours

Instructions

  • Effectuez manuellement l’encodage one-hot de l’étiquette de vérité terrain y à l’aide du tableau NumPy fourni, puis enregistrez-le sous one_hot_numpy.
  • Utilisez PyTorch pour effectuer l’encodage one-hot de y, puis enregistrez-le sous one_hot_pytorch.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

y = 1
num_classes = 3

# Create the one-hot encoded vector using NumPy
one_hot_numpy = np.array([____, ____, ____])

# Create the one-hot encoded vector using PyTorch
one_hot_pytorch = F.____(torch.tensor(y), num_classes=____)

print("One-hot vector using NumPy:", one_hot_numpy)
print("One-hot vector using PyTorch:", one_hot_pytorch)
Modifier et exécuter le code