如何解决多维张量上的感知器
我正在尝试使用感知器将大小为 [1,24,768]
的张量减小到另一个大小为 [1,1,768]
的张量。我可以使用的唯一方法是首先将输入张量重塑为 [1,24*768]
,然后将其通过线性层。我想知道这种转换是否有更优雅的方式——除了使用 RNN 之外,因为我不想使用它。对于我想要进行的转换,通常还有其他方法吗?这是我执行上述操作的代码:
lin = nn.Linear(24*768,768)
# x is in shape of [1,768]
# out is in shape of [1,768]
x = x.view(1,-1)
out = lin(x)
解决方法
如果广播让您感到困扰,您可以使用 nn.Flatten
来实现:
>>> m = nn.Sequential(
... nn.Flatten(),... nn.Linear(24*768,768))
>>> x = torch.rand(1,24,768)
>>> m(x).shape
torch.Size([1,768])
如果你真的想要额外的维度,你可以在 axis=1
上解压张量:
>>> m(x).unsqueeze(1).shape
torch.Size([1,1,768])
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。