如何将嵌入矩阵转换为 torch.Tensor

Question

我是 pytorch 的新手，不确定如何将嵌入矩阵转换为torch.Tensor类型

我有 240 行输入文本数据，我使用如下所示的Sentence Transformer库将其转换为嵌入

embedding_model = SentenceTransformer('bert-base-nli-mean-tokens')
features = embedding_model.encode(df.features.values)

现在这个features是一个numpy.ndarray形状(240, 768)

我已经将模型定义为

class NClassifier(nn.Module):

    def __init__(self, input_dim, embedding_dim, hidden_dim, tagset_size):
        super(NClassifier, self).__init__()
        self.hidden_dim = hidden_dim

        self.word_embeddings = nn.Embedding(input_dim, embedding_dim)

        # The LSTM takes word embeddings as inputs, and outputs hidden states
        # with dimensionality hidden_dim.
        self.lstm = nn.LSTM(embedding_dim, hidden_dim)

        # The linear layer that maps from hidden state space to code space (output clases)
        self.hidden2code = nn.Linear(hidden_dim, tagset_size)

    def forward(self, features):
        embeds = self.word_embeddings(features)
        lstm_out, _ = self.lstm(embeds.view(len(features), 1, -1))
        code_space = self.hidden2code(lstm_out.view(len(features), -1))
        code_scores = F.log_softmax(code_space, dim=1)
        return code_scores


INPUT_DIM = 240
EMBEDDING_DIM = 768
HIDDEN_DIM = 256
OUTPUT_DIM = 34

model = NClassifier(INPUT_DIM, EMBEDDING_DIM, HIDDEN_DIM, OUTPUT_DIM)

现在，当我执行scores = model(features)我收到错误，因为features不是张量。 我在这里看到了将输入转换为张量的示例，但我不清楚。

有人可以帮忙吗？

Answer 1

甲numpy.ndarray可以转换为一个torch.Tensor与torch.tensor()函数，如下所示：

features_tensor = torch.tensor(features)

那对你有用吗？