如何在libtorch中将形状（n，k）的张量与形状（k）的张量堆叠在一起？

Question

torch::stack 接受 c10::TensorList 并在给出相同形状的张量时工作得很好。但是，当您尝试发送以前的 torch::stacked 张量的输出时，它会失败并导致内存访问冲突。

更具体地说，假设我们有 3 个形状为 4 的张量，例如：

torch::Tensor x1 = torch::randn({4});
torch::Tensor x2 = torch::randn({4});
torch::Tensor x3 = torch::randn({4});
torch::Tensor y = torch::randn({4});

第一轮堆叠很琐碎：

torch::Tensor stacked_xs = torch::stack({x1,x2,x3});

但是，尝试做：

torch::Tensor stacked_result = torch::stack({y, stacked_xs});

会失败。 我希望在 Python 中获得与np.vstack 相同的行为，这是允许的并且有效的。 我该怎么办？

Answer 1

您可以使用torch::unsqueeze 向y 添加维度。然后与cat 连接（不是stack，与numpy 不同，但结果将是您所要求的）：

torch::Tensor x1 = torch::randn({4});
torch::Tensor x2 = torch::randn({4});
torch::Tensor x3 = torch::randn({4});
torch::Tensor y = torch::randn({4});

torch::Tensor stacked_xs = torch::stack({x1,x2,x3});
torch::Tensor stacked_result = torch::cat({y.unsqueeze(0), stacked_xs});

也可以根据您的喜好将您的第一个堆栈展平然后重新整形：

torch::Tensor stacked_xs = torch::stack({x1,x2,x3});
torch::Tensor stacked_result = torch::cat({y, stacked_xs.view({-1}}).view({4,4});