如何将张量列表转换为 torch::Tensor？

Question

我正在尝试将以下 Python 代码转换为其等效的 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，我们可以简单地使用 torch.stack 或简单地使用如下所示的 torch.tensor()：

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

然而，在 libtorch 中，这并不成立，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})}
                         });

甚至使用 std::vector 都不起作用。 torch::stack 也是如此。我目前正在使用三个 torch::stack 来完成这项工作：

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 });

那么有没有更好的方法呢？我们可以使用单线来做到这一点吗？

Answer 1

所以 C++ libtorch 确实不允许从像 Pytorch 这样的张量列表中构建张量（据我所知），但是你仍然可以使用 torch::stack 实现这个结果（实现 here 如果你有兴趣）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？

How to convert a list of tensors into a torch::Tensor?

c++

torch

libtorch