Question

我想在数据加载器中返回一个列表。但是要返回它，它需要成为张量吗？因此，我进行了转换，但是在此过程中信息丢失了，还有另一种方法吗？

pt_tensor_from_list = torch.tensor(pose_transform)
pt_tensor_from_list = torch.FloatTensor(pose_transform)

我期望输出：

（[[-0.0003000000142492354，-0.0008999999845400453， 0.00039999998989515007，0]，[0.0010000000474974513，-0.00019999999494757503，0.0003000000142492354，0]，[0.00019999999494757503，-0.0005000000237487257， -0.0008999999845400453，0]，[5.484399795532227，-24.28619956970215，117.5000991821289，1]）

但这是：

（[[--0.0003，-0.0009，0.0004，0.0000]， [0.0010，-0.0002，0.0003，0.0000]， [0.0002，-0.0005，-0.0009，0.0000]， [5.4844，-24.2862，117.5001，1.0000]]）

Answer 1

在这种转换过程中，您不会丢失任何信息。之所以看起来更紧凑，是因为您在打印张量时会调用__str__()或__repr__()方法，从而使张量看起来更漂亮。如您所见，here torch.Tensor使用了一种称为_tensor_str的内部张量格式器。如果查看代码link，您会发现默认情况下参数precision设置为4：

precision：浮点输出的精度位数（默认= 4）。

这就是为什么打印张量时张量值只有4位数字的原因。但是实际上，张量中存储的值与原始列表中的值相同。

这里有个小例子，可以帮助您：

代码：

import torch

test_list = ([[-0.0003000000142492354, -0.0008999999845400453, 0.00039999998989515007, 0],
              [0.0010000000474974513, -0.00019999999494757503, 0.0003000000142492354, 0],
              [0.00019999999494757503, -0.0005000000237487257, -0.0008999999845400453, 0],
              [5.484399795532227, -24.28619956970215, 117.5000991821289, 1]])

print('Original values:')
for i in test_list:
    for j in i:
        print(j)

pt_tensor_from_list = torch.FloatTensor(test_list)

print('When printing FloatTensor:')
print(pt_tensor_from_list.dtype, pt_tensor_from_list, sep='\n')

print('When printing each value separately:')
for i in pt_tensor_from_list:
    for j in i:
        print(j.item())

输出：

Original values:
-0.0003000000142492354
-0.0008999999845400453
0.00039999998989515007
0
0.0010000000474974513
-0.00019999999494757503
0.0003000000142492354
0
0.00019999999494757503
-0.0005000000237487257
-0.0008999999845400453
0
5.484399795532227
-24.28619956970215
117.5000991821289
1
When printing FloatTensor:
torch.float32
tensor([[-3.0000e-04, -9.0000e-04,  4.0000e-04,  0.0000e+00],
        [ 1.0000e-03, -2.0000e-04,  3.0000e-04,  0.0000e+00],
        [ 2.0000e-04, -5.0000e-04, -9.0000e-04,  0.0000e+00],
        [ 5.4844e+00, -2.4286e+01,  1.1750e+02,  1.0000e+00]])
When printing each value separately:
-0.0003000000142492354
-0.0008999999845400453
0.00039999998989515007
0.0
0.0010000000474974513
-0.00019999999494757503
0.0003000000142492354
0.0
0.00019999999494757503
-0.0005000000237487257
-0.0008999999845400453
0.0
5.484399795532227
-24.28619956970215
117.5000991821289
1.0

如您所见，分别打印每个值时，我们得到的值是相同的。

但，如果您选择了错误的张量类型，例如HalfTensor而不是FloatTensor，则可能会丢失一些信息。这是一个示例：

代码：

pt_tensor_from_list = torch.HalfTensor(test_list)

print('When printing HalfTensor:')
print(pt_tensor_from_list.dtype, pt_tensor_from_list, sep='\n')

print('When printing each value separately:')
for i in pt_tensor_from_list:
    for j in i:
        print(j.item())

输出：

When printing HalfTensor:
torch.float16
tensor([[-2.9993e-04, -8.9979e-04,  4.0007e-04,  0.0000e+00],
        [ 1.0004e-03, -2.0003e-04,  2.9993e-04,  0.0000e+00],
        [ 2.0003e-04, -5.0020e-04, -8.9979e-04,  0.0000e+00],
        [ 5.4844e+00, -2.4281e+01,  1.1750e+02,  1.0000e+00]],
       dtype=torch.float16)
When printing each value separately:
-0.0002999305725097656
-0.0008997917175292969
0.0004000663757324219
0.0
0.0010004043579101562
-0.00020003318786621094
0.0002999305725097656
0.0
0.00020003318786621094
-0.0005002021789550781
-0.0008997917175292969
0.0
5.484375
-24.28125
117.5
1.0

您现在可以注意到，这些值（略有不同）不同。访问pytorch tensor docs，以了解有关不同类型的torch.tensor的更多信息。

将清单转换为Tensor更准确

1 个答案: