问题描述
torch::stack接受c10::TensorList，并且在给出相同形状的张量时可以很好地工作。但是，当您尝试发送先前torch::stack版本的Tensor的输出时，它会失败并出现内存访问冲突。
更具体地讲，假设我们有3个形状为4的张量：
torch::Tensor x1 = torch::randn({4});
torch::Tensor x2 = torch::randn({4});
torch::Tensor x3 = torch::randn({4});
torch::Tensor y = torch::randn({4});
第一轮堆叠很简单：
torch::Tensor stacked_xs = torch::stack({x1,x2,x3});
但是，尝试这样做：
torch::Tensor stacked_result = torch::stack({y,stacked_xs});
将失败。
我正在寻找与Python中np.vstack中相同的行为，在此情况下这是允许的并且可以工作。
我应该怎么做？
解决方法
您可以使用y向torch::unsqueeze添加尺寸。然后与cat（不是stack并置，它与numpy不同，但结果将是您所要求的）：
torch::Tensor x1 = torch::randn({4});
torch::Tensor x2 = torch::randn({4});
torch::Tensor x3 = torch::randn({4});
torch::Tensor y = torch::randn({4});
torch::Tensor stacked_xs = torch::stack({x1,x2,x3});
torch::Tensor stacked_result = torch::cat({y.unsqueeze(0),stacked_xs});
还可以根据您的喜好将您的第一个堆栈弄平，然后重塑形状：
torch::Tensor stacked_xs = torch::stack({x1,x3});
torch::Tensor stacked_result = torch::cat({y,stacked_xs.view({-1}}).view({4,4});