将张量列表转换为张量pytorch

Question

我有张量列表每个张量具有不同的大小我如何使用pytroch将这张张量列表转换为张量

有关更多信息，我的列表包含张量，每个张量具有不同的大小，例如，第一个张量大小为torch.Size（[76080，38]）

其他张量的形状在第二个元素中会有所不同，例如列表中的第二个张量是torch.Size（[76080，36]）

当我使用torch.tensor（x）时出现错误ValueError：只能将一个元素张量转换为Python标量

Answer 1

pytorch中的Tensor与python中的List ，它可以容纳可变长度的对象。

在pytorch中，您可以将固定长度的数组传输到Tensor：

>>> torch.Tensor([[1, 2], [3, 4]])
>>> tensor([[1., 2.],
            [3., 4.]])

而不是：

>>> torch.Tensor([[1, 2], [3, 4, 5]])
>>> 
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-16-809c707011cc> in <module>
----> 1 torch.Tensor([[1, 2], [3, 4, 5]])

ValueError: expected sequence of length 2 at dim 1 (got 3)

和torch.stack 。

Answer 2

张量不能保存可变长度的数据。 你可能正在寻找猫

例如，在这里，我们有一个列表，其中包含两个具有不同大小的张量（在最后一个dim（dim = 2）中），并且我们想创建一个包含它们的更大张量，因此我们可以使用cat并创建一个更大的张量包含他们的两个数据。

还请注意，截至目前 ，您不能在cpu上使用带有半张量的cat，因此您应该将它们转换为float，进行串联，然后再转换回一半

import torch

a = torch.arange(8).reshape(2, 2, 2)
b = torch.arange(12).reshape(2, 2, 3)
my_list = [a, b]
my_tensor = torch.cat([a, b], dim=2)
print(my_tensor.shape) #torch.Size([2, 2, 5])

您尚未说明目标，因此另一种选择是使用pad_sequence像这样：

from torch.nn.utils.rnn import pad_sequence
a = torch.ones(25, 300)
b = torch.ones(22, 300)
c = torch.ones(15, 300)
pad_sequence([a, b, c]).size() #torch.Size([25, 3, 300])

编辑：在这种情况下，您可以使用torch.cat([x.float() for x in sequence], dim=1).half()