问题描述
我在pytorch中有一个具有64个元素的张量,我想将其转换为具有32个元素的复杂张量。订单对我很重要,一切都应该放在PyTorch中,这样我就可以在自定义损失函数中使用它: 我的主张量(W)的前半部分是我的实数,后半部分是我的假想数。所以我的最终张量应该是:
W_final =张量(W [0] + jW [32],W [1] + jW [33],W [2] + jW [34],W [3] + jW [35],... ,W [31] + jW [63])
我尝试过这种方法:
import torch
W_1 = = torch.reshape(W,(2,32)) #reshape W with shape (64) to W_1 with shape (2,32)
W_2 = torch.transpose(W_1,1) #transpose W_1 to W_2 with shape (32,2),so I can use view_as_complex
W_final = torch.view_as_complex(W_2)
问题在于,通过移调,步幅也会发生变化,并且出现以下错误:
RuntimeError: Tensor must have a last dimension with stride 1
知道如何应对大步走吗?还是有什么方法可以重塑与numpy不同的顺序? 或任何其他转换为复数的方式?
解决方法
在重塑后,它与W_2的非连续内存分配有关。
要处理此错误,您应该在W_2上调用.contiguous()
。
从Pytorch Docs:
“步幅是一个整数列表:第k个步幅表示在张量的k维度上从一个元素到下一个元素所需的内存跳转。此概念使有效执行许多张量操作成为可能。 。”
调用contiguous
后,返回的张量的所有维度将具有步幅1。
这是一个有效的示例代码:
import torch
W = torch.randn(64)
W_2 = W.view(-1,32).permute(1,0).contiguous()
W_final = torch.view_as_complex(W_2)
首先调用view
以将张量整形为形状(2,32),然后置换尺寸以转置结果并调用contiguous
。