Question

我正在尝试为火炬张量分配一些值。在下面的示例代码中，我初始化了张量U并尝试将张量b分配给它的最后2个维度。实际上，这是一个遍历i和j的循环，它解决了许多训练数据（此处为10）的某种关系，并将其分配给其对应的位置。

import torch

U = torch.zeros([10, 1, 4, 4])
b = torch.rand([10, 1, 1, 1])

i = 2
j = 2
U[:, :, i, j] = b

我期望将向量b分配给相应训练数据的维度i和j（训练数据的形状为（10,1）），但是它给了我一个错误。我收到的错误如下

RuntimeError: expand(torch.FloatTensor{[10, 1, 1, 1]}, size=[10, 1]): the number of sizes provided (2) must be greater or equal to the number of dimensions in the tensor (4)

任何有关如何解决它的建议都将不胜感激。

作为示例，您可以认为这就像'[10，1]'是我的数据的形状。想象一下，它是10张图像，每个图像都有一个通道。然后想象每个图像的形状为“ [4，4]”。在循环的每次迭代中，将计算所有图像和通道的像素'[i，j]'。

Answer 1

您的# even number of teams required teams = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] n = int(len(teams) / 2) stages = [] for i in range(len(teams) - 1): t = teams[:1] + teams[-i:] + teams[1:-i] if i else teams stages.append(list(zip(t[:n], reversed(t[n:])))) print(stages) # [ # [(1, 10), (2, 9), (3, 8), (4, 7), (5, 6)], # [(1, 9), (10, 8), (2, 7), (3, 6), (4, 5)], # [(1, 8), (9, 7), (10, 6), (2, 5), (3, 4)], # [(1, 7), (8, 6), (9, 5), (10, 4), (2, 3)], # [(1, 6), (7, 5), (8, 4), (9, 3), (10, 2)], # [(1, 5), (6, 4), (7, 3), (8, 2), (9, 10)], # [(1, 4), (5, 3), (6, 2), (7, 10), (8, 9)], # [(1, 3), (4, 2), (5, 10), (6, 9), (7, 8)], # [(1, 2), (3, 10), (4, 9), (5, 8), (6, 7)] # ]张量的尺寸太大。

b具有U[:, :, i, j]的形状（尝试[10, 1]）

改为使用U[:, :, i, j].shape。

Answer 2

感谢@Khoyo提出问题的根源，我使用reshape来解决此问题

import torch

U = torch.zeros([10, 1, 4, 4])
b = torch.rand([10, 1, 1, 1])

i = 2
j = 2
U[:, :, i, j] = b.reshape((-1))

为火炬张量分配值

2 个答案: