如何將張量列表轉換為 torch::Tensor？

Question

我正在嘗試將以下 Python 代碼轉換為其等效的 libtorch：

tfm = np.float32([[A[0, 0], A[1, 0], A[2, 0]],
                  [A[0, 1], A[1, 1], A[2, 1]]
                 ])

在 Pytorch 中，我們可以簡單地使用torch.stack或簡單地使用如下所示的torch.tensor() ：

tfm = torch.tensor([[A_tensor[0,0], A_tensor[1,0],0],
                    [A_tensor[0,1], A_tensor[1,1],0]
                   ])

但是，在 libtorch 中，這不成立，即我不能簡單地做：

auto tfm = torch::tensor ({{A.index({0,0}), A.index({1,0}), A.index({2,0})},
                           {A.index({0,1}), A.index({1,1}), A.index({2,1})}
                         });

甚至使用std::vector也不起作用。 同樣的事情也適用於 torch::stack。 我目前正在使用三個torch::stack來完成這項工作：

auto x = torch::stack({ A.index({0,0}), A.index({1,0}), A.index({2,0}) });
auto y = torch::stack({ A.index({0,1}), A.index({1,1}), A.index({2,1}) });
tfm = torch::stack({ x,y });

那么有沒有更好的方法來做到這一點？ 我們可以使用單線來做到這一點嗎？

Answer 1

所以 C++ libtorch 確實不允許從像 Pytorch 這樣的張量列表中構造張量（據我所知），但你仍然可以使用torch::stack實現這個結果（如果你有興趣， view 在這里實現）並view ：

auto tfm = torch::stack( {A[0][0], A[1][0], A[2][0], A[0][1], A[1][1], A[2][1]} ).view(2,3);