How can I get a view of input as a complex tensor? RuntimeError: Tensor must have a last dimension with stride 1
How can I get a view of input as a complex tensor? RuntimeError: Tensor must have a last dimension with stride 1
我在 pytorch 中有一个包含 64 个元素的张量，我想将它转换为一个包含 32 个元素的复杂张量。顺序对我来说很重要，一切都应该在 PyTorch 中，这样我就可以在我的自定义损失函数中使用它：
主张量 (W) 的前半部分是实数，后半部分是虚数。所以我的最终张量应该是这样的：
W_final = 张量(W[0]+jW[32], W[1]+jW[33], W[2]+jW[34], W[3]+jW[ 35], ... , W[31]+jW[63])
我试过这种方法：
import torch
W_1 = = torch.reshape(W,(2,32)) #reshape W with shape (64) to W_1 with shape (2,32)
W_2 = torch.transpose(W_1,0,1) #transpose W_1 to W_2 with shape (32,2), so I can use view_as_complex
W_final = torch.view_as_complex(W_2)
问题是使用转置，步幅也会改变，我得到这个错误：
RuntimeError: Tensor must have a last dimension with stride 1
知道我该如何应对 stride 吗？或者有没有办法用与 numpy 相同的不同顺序重塑？
或任何其他转换为复数的方法？
它与重塑后 W_2 的非连续内存分配有关。
要处理此错误，您应该在 W_2 上调用 .contiguous()。
来自 Pytorch 文档：
" 步幅是一个整数列表：k-th 步幅表示在张量的 k-th 维度中从一个元素跳到下一个元素所需的内存跳跃。这个概念使得执行许多张量运算非常有效。”
调用 contiguous 后，返回的张量的所有维度都将步幅为 1。
这是一个有效的示例代码：
import torch
W = torch.randn(64)
W_2 = W.view(-1,32).permute(1,0).contiguous()
W_final = torch.view_as_complex(W_2)
首先调用view将张量整形为(2,32)，然后置换维度以转置结果并调用contiguous。
我在 pytorch 中有一个包含 64 个元素的张量，我想将它转换为一个包含 32 个元素的复杂张量。顺序对我来说很重要，一切都应该在 PyTorch 中，这样我就可以在我的自定义损失函数中使用它： 主张量 (W) 的前半部分是实数，后半部分是虚数。所以我的最终张量应该是这样的：
W_final = 张量(W[0]+jW[32], W[1]+jW[33], W[2]+jW[34], W[3]+jW[ 35], ... , W[31]+jW[63])
我试过这种方法：
import torch
W_1 = = torch.reshape(W,(2,32)) #reshape W with shape (64) to W_1 with shape (2,32)
W_2 = torch.transpose(W_1,0,1) #transpose W_1 to W_2 with shape (32,2), so I can use view_as_complex
W_final = torch.view_as_complex(W_2)
问题是使用转置，步幅也会改变，我得到这个错误：
RuntimeError: Tensor must have a last dimension with stride 1
知道我该如何应对 stride 吗？或者有没有办法用与 numpy 相同的不同顺序重塑？ 或任何其他转换为复数的方法？
它与重塑后 W_2 的非连续内存分配有关。
要处理此错误，您应该在 W_2 上调用 .contiguous()。
来自 Pytorch 文档：
" 步幅是一个整数列表：k-th 步幅表示在张量的 k-th 维度中从一个元素跳到下一个元素所需的内存跳跃。这个概念使得执行许多张量运算非常有效。”
调用 contiguous 后，返回的张量的所有维度都将步幅为 1。
这是一个有效的示例代码：
import torch
W = torch.randn(64)
W_2 = W.view(-1,32).permute(1,0).contiguous()
W_final = torch.view_as_complex(W_2)
首先调用view将张量整形为(2,32)，然后置换维度以转置结果并调用contiguous。