如何解决pytorch:如何正确初始化没有任何条目的Tensor?
我现在正在做的是这样
In [1]: torch.Tensor([[[] for _ in range(3)] for _ in range(5)])
Out[1]: tensor([],size=(5,3,0))
这对我来说很好用,但是也许我缺少这个功能吗?
谢谢!
编辑: 我的用例是这样的: 我用它来聚合所有尺寸都相同且没有空尺寸的张量。我正在使用torch.cat:
# results start with shape (a,b,0)
results = torch.Tensor([[[] for _ in range(b)] for _ in range(a)])
for t in range(time):
# r has shape (a,b)
r = model(...)
# results Now has shape (a,t)
results = torch.cat([results,r.unsqueeze(2)],dim=-1)
仅对列表进行追加对我来说是不切实际的,因为我必须在每一步(我正在执行波束搜索)上对results
进行整形操作。
一种解决方案是,直到我有第一个返回的Tensor时才初始化results
,但这感觉像是不合逻辑的/错误的。
解决方法
您拥有torch.empty功能:
torch.empty(5,3,0)
>>> tensor([],size=(5,0))
是没有任何输入的张量
,这可以是另一种方法,具体取决于您的用例。
alpha = torch.tensor([])
In[5]: alpha[:,None,None]
Out[5]: tensor([],size=(0,1,1))
否则:
torch.tensor([[[[]]]]) #tensor([],size=(1,0))
torch.tensor([[[[],[]]]]) #tensor([],2,0))
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。