如何从较大的 pytorch 张量中提取张量到 numpy 数组或列表答案

【问题标题】：How to extract tensors to numpy arrays or lists from a larger pytorch tensor如何从较大的 pytorch 张量中提取张量到 numpy 数组或列表
【发布时间】：2021-08-15 02:25:43
【问题描述】：

我有一个pytorch张量列表，如下所示：

data = [[tensor([0, 0, 0]), tensor([1, 2, 3])],
        [tensor([0, 0, 0]), tensor([4, 5, 6])]]

现在这只是一个示例数据，实际数据很大但结构相似。

问题：我想将 tensor([1, 2, 3])、tensor([4, 5, 6]) 即索引 1 张量从 data 提取到 numpy 数组或扁平形式的列表。

预期输出：

out = array([1, 2, 3, 4, 5, 6])

或

out = [1, 2, 3, 4, 5, 6]

我尝试了几种方法，其中一种包括map 函数，例如：

map(lambda x: x[1].numpy(), data)

这给出了：

[array([1, 2, 3]),
 array([4, 5, 6])]

而且我无法使用我正在使用的任何其他方法获得所需的结果。任何帮助将不胜感激。

提前致谢：)

【问题讨论】：

它们的尺寸都一样吗？如果是，那会简单得多
是的，我要提取的索引 1 处的张量大小都相同

标签： python list pytorch tensor

【解决方案1】：

好的，你可以这样做。

out = np.concatenate(list(map(lambda x: x[1].numpy(), data)))

【讨论】：

这一行给出了 TypeError，但是在 map 前面添加列表给出了预期的结果。我想不出只是连接数组。感谢您为我指明正确的方向。不过，您可能想更新答案:)

【解决方案2】：

您可以将张量的嵌套列表转换为具有嵌套堆栈的张量/numpy 数组：

data = np.stack([np.stack([d for d in d_]) for d_ in data])

然后您可以轻松地对其进行索引，并连接输出：

>>> np.concatenate(data[:,1])
array([[1, 2, 3],
       [4, 5, 6]])

【讨论】：