在pytorch中，损失函数计算的时候，经常需要将label转换为one-hot的形式，在pytorch中怎么转换呢，在pytorch中只需要如下即可
#假设我们有10类，batchsize是4，随机生成一组label
class_num = 10
batch_size = 4
label = torch.LongTensor(batch_size, 1).random_()
#然后
one_hot = torch.zeros(batch_size, class_num).scatter_(1, label, 1)
#这里scatter_(dim, index, src)将src中数据根据index中的索引按照dim的方向填进input中。
值得注意的是，如果使用交叉熵作为损失函数，并不需要我们进行one-hot编码，因为已经替我们执行了这一操作，只需要我们传入的label是longtensor即可。
有的时候我们对多标签进行编码，我们可以用sklearn中提供的工具进行实现
from sklearn.preprocessing import MultiLabelBinarizer
mlb = MultiLabelBinarizer(classes=np.arange(0, num_classes))
label = mlb.fit_transform([tuple(label)])
