Question

我有一个 pytorch 张量：x = torch.zeros(2, 2)，以及另一个变量值张量：item = torch.tensor([[1, 2], [3, 4]])，我只是以这个张量为例。

我想添加 item 张量作为 x 张量的每个元素，这样

x = [[item, item], 
     [item, item]]

所以 x 是一个包含张量的张量。我曾尝试将 item 直接分配给 x，但出现错误：RuntimeError: The expanded size of the tensor must match the existing size at non-singleton dimension

Answer 1

使用torch.repeat()，您的 target_tensor 形状将是 torch.Size([2, 2, 2, 2])。

item 张量形状已经是 torch.Size([2, 2])

使用：

target_tensor = item.repeat(2, 2, 1, 1)

repeat() 函数的前两个参数是 x 的形状

Answer 2

没有看到任何 pytorch 的原生函数，但您可以使用 np.block：

import numpy as np
item = np.array(item) # need to convert item from tensor to ndarray
x = np.block([[item, item], [item, item]]
x = torch.from_numpy(x) # if you want to change it back to tensor

如果它真的很大，你在类型之间转换很多，它可能不是最快的。请注意，以这种方式不需要用零初始化 x。

Answer 3

只有变量支持切片赋值。源和目标之间的形状必须相同。

 a=tf.Variable([[1,2],[3,4]])
 a.assign([[5,6], [7,8]])

 print(a.numpy())

输出： [[5,6] [7 8]]

如果数据是非常规分配，请尝试使用不规则张量

ValueError: Can't convert non-rectangular Python sequence to Tensor

data_tensor=tf.ragged.constant([[1, 2], [3, 4,5]])
print(data_tensor)

输出

<tf.RaggedTensor [[1, 2], [3, 4, 5]]>

将张量附加到另一个张量的每个元素

3 个答案: