如何将具有 object 类型的 numpy.ndarray 转换为 torch.tensor？答案

【问题标题】：How can I convert numpy.ndarray having type object to torch.tensor?如何将具有 object 类型的 numpy.ndarray 转换为 torch.tensor？
【发布时间】：2019-10-12 23:20:38
【问题描述】：

我正在尝试在 pytorch 中处理 lstm。它只需要张量作为输入。我拥有的数据是numpy.object_ 的形式，如果我将其转换为numpy.float，那么它可以转换为tensor。

我使用print(type(array)) 检查了数据类型，它将'numpy.ndarray' 类作为输出，print(arr.dtype.type) 将'numpy.object_' 类作为输出。

或者有什么方法可以直接将元组转换为torch.tensor？

【问题讨论】：

docs.scipy.org/doc/numpy-1.13.0/reference/generated/… 看看有没有帮助
@mansisinha，你能添加一些示例数据吗？
class fullstop(nn.Module): def __init__(self): super(fullstop, self).__init__() self.seq1=nn.LSTM(input_size=30,hidden_size=20) self. seq2=nn.LSTM(input_size=20,hidden_size=10) self.fc1=nn.Linear(20,5) self.fc2=nn.Linear(5,1) def forward(self,input1,input2): prefix1= self.seq1(input1) suffix1=self.seq1(input2) prefix2=self.seq2(prefix1) suffix2=self.seq2(suffix1) result=torch.cat(Variable(prefix1,suffix1),1) r1=F.sigmoid (self.fc1(result)) r2=self.fc2(r1) return r2
@AnubhavSingh 这里的 forward 函数只接受张量作为输入。因此，当我将 input1 和 input2 作为张量时，它可以正常工作，但是对于 seq2，seq1 的输出将作为输入。此输出以元组形式出现，因此会出错。

标签： python-3.x numpy pytorch

【解决方案1】：

pytorch LSTM 返回一个元组。因此，您会收到此错误，因为您的第二个 LSTM 层 self.seq2 无法处理此元组。所以，改变

prefix1=self.seq1(input1) 
suffix1=self.seq1(input2)

到这样的事情：

prefix1_out, prefix1_states = self.seq1(input1) 
suffix1_out, suffix1_states = self.seq1(input2)

然后将 prefix1_out 和 suffix1_out 张量传递给下一个 LSTM 层

prefix2_out, prefix2_states = self.seq2(prefix1_out) 
suffix2_out, suffix2_states = self.seq2(suffix1_out)

并且，像这样连接 prefix1_out 和 suffix1_out 张量

result = torch.cat([out1,out2],1)

另外，改变

r1=F.sigmoid(self.fc1(result)) 
r2=self.fc2(r1)

到这样的事情：

out_ll = self.fc1(result)
r1 = nn.Sigmoid() 
r2 = self.fc2(r1(out_ll))

【讨论】：

欢迎。很高兴能帮到你。