如何将张量列表转换为 Torch::Tensor？

Question

我正在尝试将以下 Python 代码转换为其等效的 libtorch：

tfm = np.float32([[A[0, 0], A[1, 0], A[2, 0]],
                  [A[0, 1], A[1, 1], A[2, 1]]
                 ])

在 Pytorch 中，我们可以简单地使用 torch.stack 或简单地使用 torch.tensor()，如下所示：

tfm = torch.tensor([[A_tensor[0,0], A_tensor[1,0],0],
                    [A_tensor[0,1], A_tensor[1,1],0]
                   ])

但是，在 libtorch 中，这不成立，那就是我不能简单地这样做：

auto tfm = torch::tensor ({{A.index({0,0}), A.index({1,0}), A.index({2,0})},
                           {A.index({0,1}), A.index({1,1}), A.index({2,1})}
                         });

甚至使用std::vector 都不起作用。 torch::stack 也是如此。我目前正在使用三个torch::stack 来完成这项工作：

auto x = torch::stack({ A.index({0,0}), A.index({1,0}), A.index({2,0}) });
auto y = torch::stack({ A.index({0,1}), A.index({1,1}), A.index({2,1}) });
tfm = torch::stack({ x,y });

那么有没有更好的方法来做到这一点？我们可以使用单线做到这一点吗？

Answer 1

所以 C++ libtorch 确实不允许从像 Pytorch 之类的张量列表中构造张量（据我所知），但您仍然可以使用 torch::stack 实现此结果（如果您有兴趣，请执行 here ) 和view :

auto tfm = torch::stack( {A[0][0], A[1][0], A[2][0], A[0][1], A[1][1], A[2][1]} ).view(2,3);