我怎样才能将输入视作一个复杂的张量？ RuntimeError：张量必须具有跨度为1的最后一个维度

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。