问题描述
我的数据的形状为batch_size * num_paths * num_edges * emb_dim。在这里：
-
batch_size：指批次大小（32） -
num_paths：是指依赖性树中两个给定术语之间的路径编号 -
num_edges：指的是特定路径中的边数 -
emb_dim：是指嵌入尺寸（300）
num_paths和num_edges对于每个训练样本都是变量。换句话说，对于每个训练样本，路径可能会变化，每个路径的边数也会变化。
（请注意，data是本机Python中n-d个列表的列表，因为两个维度（num_paths和num_edges）是可变的。）
我想将每个训练实例的每个路径作为输入传递给LSTM，因为路径是一系列边沿，并且我希望在将路径传递通过LSTM之后得到结果路径表示形式。在训练示例中获得了每条路径的表示形式之后，我想取所有这些表示形式的总和。
我知道我可以通过pack_padded_sequence包装可变数量的边缘。但是可变数量的路径呢？我该如何处理？有没有办法在本地Pytorch中做到这一点，而不必寻求诸如遍历循环之类的混乱解决方案？
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@）