时间戳

首页 > 解决方案 > 从 `torch` 或 `numpy` 向量创建 pytorch 张量

python - 从 `torch` 或 `numpy` 向量创建 pytorch 张量

问题描述

我试图torch通过从通过基本数学函数计算的向量中组装维度来创建一些测试张量。作为先驱：从原始 python 组装张量arrays确实有效：

import torch
import numpy as np
torch.Tensor([[1.0, 0.8, 0.6],[0.0, 0.5, 0.75]])
>> tensor([[1.0000, 0.8000, 0.6000],
            [0.0000, 0.5000, 0.7500]])

此外，我们可以从numpy数组 https://pytorch.org/docs/stable/tensors.html组装张量：

torch.tensor(np.array([[1, 2, 3], [4, 5, 6]]))
tensor([[ 1,  2,  3],
        [ 4,  5,  6]])

然而，从计算出的向量中组装却让我望而却步。以下是一些尝试：

X  = torch.arange(0,6.28)
x = X

torch.Tensor([[torch.cos(X),torch.tan(x)]])

torch.Tensor([torch.cos(X),torch.tan(x)])

torch.Tensor([np.cos(X),np.tan(x)])

torch.Tensor([[np.cos(X),np.tan(x)]])

torch.Tensor(np.array([np.cos(X),np.tan(x)]))

以上所有都有以下错误：

ValueError：只有一个元素张量可以转换为 Python 标量

什么是正确的语法？

更新请求显示x/的评论X。它们实际上设置为相同（我在中途改变了主意）

In [56]: x == X                                                                                                                          
Out[56]: tensor([True, True, True, True, True, True, True])

In [51]:  x                                                                                                                              
Out[51]: tensor([0., 1., 2., 3., 4., 5., 6.])

In [52]: X                                                                                                                               
Out[52]: tensor([0., 1., 2., 3., 4., 5., 6.])

标签： pythonpytorchtensor

解决方案

torch.arange返回一个torch.Tensor，如下所示 -

X  = torch.arange(0,6.28)
x
>> tensor([0., 1., 2., 3., 4., 5., 6.])

同样，torch.cos(x)并torch.tan(x)返回 torch.Tensor 的实例

在 Torch 中连接一系列张量的理想方法是使用torch.stack

torch.stack([torch.cos(x), torch.tan(x)])

输出

>> tensor([[ 1.0000,  0.5403, -0.4161, -0.9900, -0.6536,  0.2837,  0.9602],
        [ 0.0000,  1.5574, -2.1850, -0.1425,  1.1578, -3.3805, -0.2910]])

如果您更喜欢沿轴 = 0 连接，请torch.cat([torch.cos(x), torch.tan(x)])改用。

推荐阅读