为什么我不能在 PyTorch 张量后面附加 torch.cat？

Question

我有：

import torch

input_sliced = torch.rand(180, 161)

output_sliced = torch.rand(180,)

batched_inputs = torch.Tensor()

batched_outputs = torch.Tensor()

print('input_sliced.size', input_sliced.size())

print('output_sliced.size', output_sliced.size())

batched_inputs = torch.cat((batched_inputs, input_sliced))

batched_outputs = torch.cat((batched_outputs, output_sliced))

print('batched_inputs.size', batched_inputs.size())

print('batched_outputs.size', batched_outputs.size())

此输出：

input_sliced.size torch.Size([180, 161])

output_sliced.size torch.Size([180])

batched_inputs.size torch.Size([180, 161])

batched_outputs.size torch.Size([180])

我需要附加那些，但不起作用。我做错了什么？batchedtorch.cat

Answer 1

假设你在循环中这样做，我会说最好这样做：import torchbatch_input, batch_output = [], []for i in range(10):  # assuming batch_size=10    batch_input.append(torch.rand(180, 161))    batch_output.append(torch.rand(180,))batch_input = torch.stack(batch_input)batch_output = torch.stack(batch_output)print(batch_input.shape)   # output: torch.Size([10, 180, 161])print(batch_output.shape)  # output: torch.Size([10, 180])如果您先验地知道结果形状，则可以预先分配最终形状，只需将每个样品分配到批次中的相应位置即可。这将更节省内存。batch_*Tensor