为什么我不能在 PyTorch 张量后面附加 torch.cat？

Question

我有：import torchinput_sliced = torch.rand(180, 161)output_sliced = torch.rand(180,)batched_inputs = torch.Tensor()batched_outputs = torch.Tensor()print('input_sliced.size', input_sliced.size())print('output_sliced.size', output_sliced.size())batched_inputs = torch.cat((batched_inputs, input_sliced))batched_outputs = torch.cat((batched_outputs, output_sliced))print('batched_inputs.size', batched_inputs.size())print('batched_outputs.size', batched_outputs.size())此输出：input_sliced.size torch.Size([180, 161])output_sliced.size torch.Size([180])batched_inputs.size torch.Size([180, 161])batched_outputs.size torch.Size([180])我需要附加那些，但不起作用。我做错了什么？batchedtorch.cat

Answer 1

假设你在循环中这样做，我会说最好这样做：

import torch

batch_input, batch_output = [], []

for i in range(10):  # assuming batch_size=10

    batch_input.append(torch.rand(180, 161))

    batch_output.append(torch.rand(180,))

batch_input = torch.stack(batch_input)

batch_output = torch.stack(batch_output)

print(batch_input.shape)   # output: torch.Size([10, 180, 161])

print(batch_output.shape)  # output: torch.Size([10, 180])

如果您先验地知道结果形状，则可以预先分配最终形状，只需将每个样品分配到批次中的相应位置即可。这将更节省内存。batch_*Tensor