无法将列表转换为数组：ValueError：只有一个元素张量可以转换为 Python 标量

Question

我目前正在使用 PyTorch 框架并试图理解外国代码。 我遇到了索引问题，想打印列表的形状。
这样做的唯一方法（据 Google 告诉我）是将列表转换为 numpy 数组，然后使用 numpy.ndarray.shape() 获取形状。

但是试图将我的列表转换为数组时，我得到了一个ValueError: only one element tensors can be converted to Python scalars convert ValueError: only one element tensors can be converted to Python scalars 。

我的列表是一个转换后的 PyTorch 张量（ list(pytorchTensor) ），看起来有点像这样：

[张量([[-0.2781, -0.2567, -0.2353, ..., -0.9640, -0.9855, -1.0069],
[-0.2781, -0.2567, -0.2353, ..., -1.0069, -1.0283, -1.0927],
[-0.2567, -0.2567, -0.2138, ..., -1.0712, -1.1141, -1.1784],
...,
[-0.6640, -0.6425, -0.6211, ..., -1.0712, -1.1141, -1.0927],
[-0.6640, -0.6425, -0.5997, ..., -0.9426, -0.9640, -0.9640],
[-0.6640, -0.6425, -0.5997, ..., -0.9640, -0.9426, -0.9426]]), 张量([[-0.0769, -0.0980, -0.076 9, ..., -0.93959, -0.9426]] -0.9808],
[-0.0559, -0.0769, -0.0980, ..., -0.9598, -1.0018, -1.0228],
[-0.0559, -0.0769, -0.0769, ..., -1.0228, -1.0439, -1.0859],
...,
[-0.4973, -0.4973, -0.4973, ..., -1.0018, -1.0439, -1.0228],
[-0.4973, -0.4973, -0.4973, ..., -0.8757, -0.9177, -0.9177],
[-0.4973, -0.4973, -0.4973, ..., -0.9177, -0.8967, -0.8967]]), 张量([[-0.1313, -0.1313, -0.110 0, ..., -0.81813, -0.8115, -0.8967]] -0.8753]，
[-0.1313, -0.1525, -0.1313, ..., -0.8541, -0.8966, -0.9391],
[-0.1100, -0.1313, -0.1100, ..., -0.9391, -0.9816, -1.0666],
...,
[-0.4502, -0.4714, -0.4502, ..., -0.8966, -0.8966, -0.8966],
[-0.4502, -0.4714, -0.4502, ..., -0.8115, -0.8115, -0.7903],
[-0.4502, -0.4714, -0.4502, ..., -0.8115, -0.7690, -0.7690]])]

有没有办法在不将其转换为 numpy 数组的情况下获取该列表的形状？

Answer 1

看起来你有一个张量列表。 对于每个张量，您可以看到它的size() （无需转换为 list/numpy）。 如果您坚持，您可以使用numpy()将张量转换为 numpy 数组：

返回张量形状列表：

>> [t.size() for t in my_list_of_tensors]

返回一个 numpy 数组列表：

>> [t.numpy() for t in my_list_of_tensors]

在性能方面，最好避免将张量转换为 numpy 数组，因为它可能会导致设备/主机内存同步。 如果您只需要检查张量的shape ，请使用size()函数。

Answer 2

将 pytorch 张量转换为 numpy 数组的最简单方法是：

nparray = tensor.numpy()

此外，对于尺寸和形状：

tensor_size = tensor.size()
tensor_shape = tensor.shape()
tensor_size
>>> (1080)
tensor_shape
>>> (32, 3, 128, 128)

Answer 3

一个真实世界的例子，需要处理火炬没有毕业问题：

with torch.no_grad():
    probs = [t.numpy() for t in my_tensors]

或者

probs = [t.detach().numpy() for t in my_tensors]