最佳实践：将 Packed 2D Tensor 转换为 Padded 3D Tensor Pytorch不是 PackedSequence

问题描述

我有一个大小为 N*D 的二维张量 T，表示序列长度为 S 的 M 个文档的打包词嵌入（按顺序）。（即 sum(S)=N）

是否有最佳实践可以将其转换为大小为 M*Max(S)*D 且填充值为 V 的 3D 张量？ （你可以假设 V=0.0）

我看到的两种方法

1. 使用 torch.split 分割二维张量，然后使用 torch.nn.utils.rnn.pad_sequence 制作 T'

2. 制作大小为 M*Max(S)*D 的张量 T' 并（使用循环）将每个维度填充为 T'[i,0:s(i),]=T[c( i):c(i+1)] 其中 c(i) 是 S 的部分和

我尝试查看 pad_packed_sequence 的代码，但它调用了另一个我找不到代码的方法。

原始张量采用这种形式用于 GraphNN，因此如果有需要这样做的方法，更改顺序并非不可能。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）