如何迭代一组张量并将每组中的元素传递给函数？

Question

假设你有 3 个相同大小的张量：

a = torch.randn(3,3)                    
a = ([[ 0.1945,  0.8583,  2.6479],       
    [-0.1000,  1.2136, -0.3706],
    [-0.0094,  0.4279, -0.6840]])

b = torch.randn(3, 3)
b = ([[-1.1155,  0.2106, -0.2183],
    [ 1.6610, -0.6953,  0.0052],
    [-0.8955,  0.0953, -0.7737]])

c = torch.randn(3, 3)
c = ([[-0.2303, -0.3427, -0.4990],
    [-1.1254,  0.4432,  0.3999],
    [ 0.2489, -0.9459, -0.5576]])

在Lua（torch7）中，它们有this函数：

[self] map2(tensor1, tensor2, function(x, xt1, xt2))

将给定的 function 应用于 self 的所有元素。

我的问题是：

python(pytorch)中有没有类似的功能？
是否有任何 pythonic 方法可以在不使用 for loop 和 indices 的情况下迭代 3 个张量并获取每个张量的相应元素？

例如：

0.1945 -1.1155 -0.2303
0.8583 0.2106 -0.3427
2.6479 -0.2183 -0.4990
-0.1000 1.6610 -1.1254
...

Edit_1: 我也试过itertools.zip_longest和zip，但是结果和上面说的不一样

Answer 1

您可以使用 Python 的 map 功能，类似于您提到的功能。像这样：

>>> tensor_list = [torch.tensor([i, i, i]) for i in range(3)]
>>> list(map(lambda x: x**2, tensor_list))
[tensor([0, 0, 0]), tensor([1, 1, 1]), tensor([4, 4, 4])]
>>>

编辑：对于仅 PyTorch 的方法，您可以使用 torch.Tensor.apply_（请注意，这会进行适当的更改，而不是 return 新张量）

>>> x = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
>>> x.apply_(lambda y: y ** 2)
tensor([[ 1,  4,  9],
        [16, 25, 36],
        [49, 64, 81]])
>>>

如何迭代一组张量并将每组中的元素传递给函数？

How to iterate over a group of tensor and pass the elements from each group to a function?

python

iteration

function

pytorch

tensor