在 pytorch 中包裹两个张量以获得新张量的大小为 2
Wrap two tensors in pytorch to get size of new tensor as 2
我有两个张量 x 和 y:
x 具有形状：[21314, 3, 128, 128]
y 的形状：[21314]
我能得到新的形状张量吗：[ [21314, 3, 128, 128], [21314] ]，基本上形状 2
我认为这是不可能的，如果您需要将其保存为 tensor 对象。当然，您可以在这种情况下使用列表或元组，但我想那不是您的意思。
首先，张量只是 n 维而非二维矩阵的推广。但是现在让我们将其简化为一个矩阵，例如 4x3。第一个维度的大小为 4，即 4 个条目。第二个维度为 3 意味着第一个维度的 4 个条目中的每一个都将恰好（且不少于）3 个条目。也就是说，每个嵌套列表中必须包含 3 个元素的完整列表。在这个简单的例子中，请注意你不能有这样的矩阵：
[[1,2,3]
[1,2]
[1] ]
虽然这是一个嵌套列表，但它不是矩阵，也不是二维张量。我想说的是，您要求的形状 - [ [21314, 3, 128, 128], [21314] ] - 实际上不是张量。
但是，您可以将其视为大小为 2 的张量，每个条目中的数据类型为张量（您在提问时可能会提到的内容）。尽管这是不可能的，因为 pytorch 中的张量仅包含以下类型的数字：float32、float64、float16、uint8、int8、int16、int32、int64、bool。
尽管如此，在大多数情况下，您可以通过将两个张量分配给一个列表或元组来实现您的需要。
我有两个张量 x 和 y:
x 具有形状：[21314, 3, 128, 128]
y 的形状：[21314]
我能得到新的形状张量吗：[ [21314, 3, 128, 128], [21314] ]，基本上形状 2
我认为这是不可能的，如果您需要将其保存为 tensor 对象。当然，您可以在这种情况下使用列表或元组，但我想那不是您的意思。
首先，张量只是 n 维而非二维矩阵的推广。但是现在让我们将其简化为一个矩阵，例如 4x3。第一个维度的大小为 4，即 4 个条目。第二个维度为 3 意味着第一个维度的 4 个条目中的每一个都将恰好（且不少于）3 个条目。也就是说，每个嵌套列表中必须包含 3 个元素的完整列表。在这个简单的例子中，请注意你不能有这样的矩阵：
[[1,2,3]
[1,2]
[1] ]
虽然这是一个嵌套列表，但它不是矩阵，也不是二维张量。我想说的是，您要求的形状 - [ [21314, 3, 128, 128], [21314] ] - 实际上不是张量。
但是，您可以将其视为大小为 2 的张量，每个条目中的数据类型为张量（您在提问时可能会提到的内容）。尽管这是不可能的，因为 pytorch 中的张量仅包含以下类型的数字：float32、float64、float16、uint8、int8、int16、int32、int64、bool。
尽管如此，在大多数情况下，您可以通过将两个张量分配给一个列表或元组来实现您的需要。