Question

我在Symoid函数中有一个列表输出，作为PyTorch中的张量

例如

output (type) = torch.Size([4]) tensor([0.4481, 0.4014, 0.5820, 0.2877], device='cuda:0',

在进行二进制分类时，我想将所有值都从0.5降到0，将大于0.5降到1。

传统上，您可以使用NumPy数组使用列表迭代器：

output_prediction = [1 if x > 0.5 else 0 for x in outputs ]

这可以工作，但是我稍后必须将output_prediction转换回张量以供使用

torch.sum(ouput_prediction == labels.data)

labels.data是标签的二进制张量。

是否可以使用带有张量的列表迭代器？

Answer 1

prob = torch.tensor([0.3,0.4,0.6,0.7])

out = (prob>0.5).float()
# tensor([0.,0.,1.,1.])

说明：在pytorch中，您可以直接使用prob>0.5获得torch.bool类型的张量。然后，您可以通过.float()转换为浮点类型。

Answer 2

为什么不考虑使用 loop less解决方案？也许像下面这样就足够了：

In [34]: output = torch.tensor([0.4481, 0.4014, 0.5820, 0.2877]) 

# subtract off the threshold value (0.5), create a boolean mask, 
# and then cast the resultant tensor to an `int` type
In [35]: result = torch.as_tensor((output - 0.5) > 0, dtype=torch.int32) 

In [36]: result        
Out[36]: tensor([0, 0, 1, 0], dtype=torch.int32)

PyTorch [如果x> 0.5则为1，否则对于x在输出中为0]带张量

2 个答案: