如何解决最佳实践:将 Packed 2D Tensor 转换为 Padded 3D Tensor Pytorch不是 PackedSequence
我有一个大小为 N*D 的二维张量 T,表示序列长度为 S 的 M 个文档的打包词嵌入(按顺序)。(即 sum(S)=N)
是否有最佳实践可以将其转换为大小为 M*Max(S)*D 且填充值为 V 的 3D 张量? (你可以假设 V=0.0)
我看到的两种方法
-
使用 torch.split 分割二维张量,然后使用 torch.nn.utils.rnn.pad_sequence 制作 T'
-
制作大小为 M*Max(S)*D 的张量 T' 并(使用循环)将每个维度填充为 T'[i,0:s(i),]=T[c( i):c(i+1)] 其中 c(i) 是 S 的部分和
我尝试查看 pad_packed_sequence 的代码,但它调用了另一个我找不到代码的方法。
原始张量采用这种形式用于 GraphNN,因此如果有需要这样做的方法,更改顺序并非不可能。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。