pytorch：如何正确初始化没有任何条目的Tensor？

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))