-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathcoder.py
257 lines (239 loc) · 9.59 KB
/
coder.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
import paddle
reverse_index = [5, 3, 7, 0, 4, 1, 8, 9, 2, 6]
"""
代替receiver的one-hot向量
"""
# level1 = torch.FloatTensor([[1.],
# [1.]])
#
# level2=torch.FloatTensor([[1., 0.],
# [1., 0.],
# [0., 1.],
# [0., 1.]])
level1 = paddle.to_tensor([[1.]])
level2 = paddle.to_tensor([[1.]])
level3 = paddle.ones([4, 1])
level4 = paddle.to_tensor(([[0., 0., 1., 0.],
[0., 1., 0., 0.],
[0., 0., 0., 1.],
[1., 0., 0., 0.],
[0., 1., 0., 0.],
[1., 0., 0., 0.],
[0., 0., 0., 1.],
[0., 0., 0., 1.],
[1., 0., 0., 0.],
[0., 0., 1., 0.]]))
# reverse_index = [4, 5, 2, 0, 1, 3, 8, 6, 7, 9]
# reverse_index = [8, 0, 5, 2, 6, 3, 9, 4, 7, 1]
# reverse_index = [11, 12, 21, 22, 56, 0, 43, 1, 57, 35, 23, 2, 36, 24, 44, 58, 86, 75, 59, 13, 37, 25, 60, 3, 76, 87, 4, 61, 5, 38,
# 62, 63, 26, 14, 64, 77, 27, 65, 6, 88, 89, 39, 66, 40, 41, 45, 7, 46, 78, 90, 28, 67, 68, 79, 47, 91, 92, 93, 48,
# 15, 94, 80, 49, 50, 51, 16, 69, 29, 42, 70, 17, 95, 30, 8, 31, 71, 81, 18, 72, 82, 73, 52, 19, 83, 84, 74, 96, 32,
# 33, 53, 85, 20, 97, 54, 9, 98, 55, 34, 99, 10]
# 5layer_3conv
# # level1 = torch.FloatTensor([[1.],
# # [1.]])
# #
# # level2=torch.FloatTensor([[1., 0.],
# # [1., 0.],
# # [0., 1.],
# # [1., 0.]])
#
#
# level3=torch.FloatTensor(([[0., 0., 1., 0.],
# [0., 0., 1., 0.],
# [1., 0., 0., 0.],
# [0., 1., 0., 0.],
# [1., 0., 0., 0.],
# [1., 0., 0., 0.],
# [0., 0., 1., 0.],
# [0., 1., 0., 0.]]))
#
#
# level4=torch.FloatTensor([[0, 0, 0, 0, 0, 0, 1, 0],
# [1, 0, 0, 0, 0, 0, 0, 0],
# [0, 0, 0, 0, 1, 0, 0, 0],
# [0, 0, 1, 0, 0, 0, 0, 0],
# [0, 0, 0, 0, 0, 1, 0, 0],
# [0, 0, 0, 1, 0, 0, 0, 0],
# [0, 0, 0, 0, 0, 0, 0, 1],
# [0, 0, 0, 1, 0, 0, 0, 0],
# [0, 0, 0, 0, 0, 1, 0, 0],
# [0, 1, 0, 0, 0, 0, 0, 0]])
# CIFAR100
# level1 = torch.FloatTensor([[1.],
# [1.]])
# level2=torch.FloatTensor([[1., 0.],
# [0., 1.],
# [0., 1.],
# [1., 0.]])
#
#
# level3=torch.FloatTensor(([[0., 0., 0., 1.],
# [0., 0., 1., 0.],
# [0., 1., 0., 0.],
# [1., 0., 0., 0.],
# [0., 1., 0., 0.],
# [0., 0., 0., 1.],
# [0., 1., 0., 0.],
# [0., 0., 1., 0.]]))
# level4 = torch.ones([10,1])
# level4=torch.FloatTensor([[0., 1., 0., 0., 0., 0., 0., 0.],
# [0., 1., 0., 0., 0., 0., 0., 0.],
# [0., 0., 1., 0., 0., 0., 0., 0.],
# [0., 0., 1., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0., 1., 0., 0.],
# [1., 0., 0., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 1., 0., 0., 0.],
# [1., 0., 0., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0., 1., 0., 0.],
# [0., 0., 0., 1., 0., 0., 0., 0.],
# [0., 0., 1., 0., 0., 0., 0., 0.],
# [1., 0., 0., 0., 0., 0., 0., 0.],
# [0., 0., 0., 1., 0., 0., 0., 0.],
# [0., 0., 1., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 1., 0., 0., 0.],
# [0., 0., 0., 0., 0., 1., 0., 0.],
# [0., 0., 0., 0., 0., 0., 0., 1.],
# [0., 0., 0., 0., 0., 0., 1., 0.],
# [0., 0., 0., 0., 0., 1., 0., 0.],
# [0., 1., 0., 0., 0., 0., 0., 0.],
# [0., 0., 0., 1., 0., 0., 0., 0.],
# [0., 0., 1., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0., 1., 0., 0.],
# [1., 0., 0., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0., 0., 1., 0.],
# [0., 0., 0., 0., 0., 0., 0., 1.],
# [1., 0., 0., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0., 1., 0., 0.],
# [1., 0., 0., 0., 0., 0., 0., 0.],
# [0., 0., 0., 1., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0., 1., 0., 0.],
# [0., 0., 0., 0., 0., 1., 0., 0.],
# [0., 0., 1., 0., 0., 0., 0., 0.],
# [0., 1., 0., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0., 1., 0., 0.],
# [0., 0., 0., 0., 0., 0., 1., 0.],
# [0., 0., 1., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0., 1., 0., 0.],
# [1., 0., 0., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0., 0., 0., 1.],
# [0., 0., 0., 0., 0., 0., 0., 1.],
# [0., 0., 0., 1., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0., 1., 0., 0.],
# [0., 0., 0., 1., 0., 0., 0., 0.],
# [0., 0., 0., 1., 0., 0., 0., 0.],
# [0., 0., 0., 0., 1., 0., 0., 0.],
# [1., 0., 0., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 1., 0., 0., 0.],
# [0., 0., 0., 0., 0., 0., 1., 0.],
# [0., 0., 0., 0., 0., 0., 0., 1.],
# [0., 0., 1., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0., 1., 0., 0.],
# [0., 0., 0., 0., 0., 1., 0., 0.],
# [0., 0., 0., 0., 0., 0., 1., 0.],
# [0., 0., 0., 0., 1., 0., 0., 0.],
# [0., 0., 0., 0., 0., 0., 0., 1.],
# [0., 0., 0., 0., 0., 0., 0., 1.],
# [0., 0., 0., 0., 0., 0., 0., 1.],
# [0., 0., 0., 0., 1., 0., 0., 0.],
# [0., 1., 0., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0., 0., 0., 1.],
# [0., 0., 0., 0., 0., 0., 1., 0.],
# [0., 0., 0., 0., 1., 0., 0., 0.],
# [0., 0., 0., 0., 1., 0., 0., 0.],
# [0., 0., 0., 0., 1., 0., 0., 0.],
# [0., 1., 0., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0., 1., 0., 0.],
# [0., 0., 1., 0., 0., 0., 0., 0.],
# [0., 0., 0., 1., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0., 1., 0., 0.],
# [0., 1., 0., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0., 0., 0., 1.],
# [0., 0., 1., 0., 0., 0., 0., 0.],
# [1., 0., 0., 0., 0., 0., 0., 0.],
# [0., 0., 1., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0., 1., 0., 0.],
# [0., 0., 0., 0., 0., 0., 1., 0.],
# [0., 1., 0., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0., 1., 0., 0.],
# [0., 0., 0., 0., 0., 0., 1., 0.],
# [0., 0., 0., 0., 0., 1., 0., 0.],
# [0., 0., 0., 0., 1., 0., 0., 0.],
# [0., 1., 0., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0., 0., 1., 0.],
# [0., 0., 0., 0., 0., 0., 1., 0.],
# [0., 0., 0., 0., 0., 1., 0., 0.],
# [0., 0., 0., 0., 0., 0., 0., 1.],
# [0., 0., 1., 0., 0., 0., 0., 0.],
# [0., 0., 1., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 1., 0., 0., 0.],
# [0., 0., 0., 0., 0., 0., 1., 0.],
# [0., 1., 0., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0., 0., 0., 1.],
# [0., 0., 0., 0., 1., 0., 0., 0.],
# [1., 0., 0., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0., 0., 0., 1.],
# [0., 0., 0., 0., 1., 0., 0., 0.],
# [0., 0., 1., 0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0., 0., 0., 1.],
# [1., 0., 0., 0., 0., 0., 0., 0.]])
# CIFAR10
# level2=torch.FloatTensor([[1., 0.],
# [0., 1.],
# [1., 0.],
# [0., 1.]])
# level2=torch.FloatTensor([[1.],
# [1.],
# [1.],
# [1.]])
#
# level3=torch.FloatTensor(([[0., 0., 1., 0.],
# [1., 0., 0., 0.],
# [0., 0., 1., 0.],
# [0., 0., 0., 1.],
# [1., 0., 0., 0.],
# [0., 1., 0., 0.],
# [0., 1., 0., 0.],
# [0., 0., 0., 1.]]))
# level3=torch.FloatTensor(([[0., 0., 0., 1.],
# [0., 0., 1., 0.],
# [0., 0., 1., 0.],
# [0., 1., 0., 0.],
# [1., 0., 0., 0.],
# [1., 0., 0., 0.],
# [0., 0., 1., 0.],
# [0., 1., 0., 0.]]))
# level2=torch.FloatTensor([[1.]])
# #
# # level3=torch.FloatTensor([[1.]])
#
# level3=torch.FloatTensor([[1.],
# [1.],
# [1.],
# [1. ],
# [1. ],
# [1. ],
# [1. ],
# [1. ]])
# level4=torch.FloatTensor([[0, 0, 0, 1, 0, 0, 0, 0],
# [0, 0, 0, 0, 1, 0, 0, 0],
# [0, 0, 1, 0, 0, 0, 0, 0],
# [1, 0, 0, 0, 0, 0, 0, 0],
# [0, 1, 0, 0, 0, 0, 0, 0],
# [0, 0, 1, 0, 0, 0, 0, 0],
# [0, 0, 0, 0, 0, 0, 1, 0],
# [0, 0, 0, 0, 0, 1, 0, 0],
# [0, 0, 0, 0, 0, 1, 0, 0],
# [0, 0, 0, 0, 0, 0, 0, 1]])
# level3=torch.FloatTensor([[1.]])
#
# level4=torch.FloatTensor([[1],
# [1],
# [1],
# [1],
# [1],
# [1],
# [1],
# [1],
# [1],
# [1]])