Question

我正在尝试将以下Python代码转换为等效的libtorch：

tfm = np.float32([[A[0, 0], A[1, 0], A[2, 0]],
                  [A[0, 1], A[1, 1], A[2, 1]]
                 ])

在Pytorch中，我们可以像下面这样简单地使用torch.stack或简单地使用torch.tensor()：

tfm = torch.tensor([[A_tensor[0,0], A_tensor[1,0],0],
                    [A_tensor[0,1], A_tensor[1,1],0]
                   ])

但是，在libtorch中，这不成立，也就是说我不能简单地这样做：

auto tfm = torch::tensor ({{A.index({0,0}), A.index({1,0}), A.index({2,0})},
                           {A.index({0,1}), A.index({1,1}), A.index({2,1})}
                         });

甚至无法使用std::vector都不起作用。同样的事情也可以用于torch :: stack。我目前正在使用三个torch::stack来完成此操作：

auto x = torch::stack({ A.index({0,0}), A.index({1,0}), A.index({2,0}) });
auto y = torch::stack({ A.index({0,1}), A.index({1,1}), A.index({2,1}) });
tfm = torch::stack({ x,y });

那么还有什么更好的方法吗？我们可以使用单线吗？

Answer 1

所以C ++ libtorch确实不允许从像Pytorch这样的张量列表中进行张量构造（据我所知），但是您仍然可以使用torch::stack（如果实现here您有兴趣）和view：

auto tfm = torch::stack( {A[0][0], A[1][0], A[2][0], A[0][1], A[1][1], A[2][1]} ).view(2,3);

如何将张量列表转换为torch :: Tensor？

1 个答案: