如何堆叠不同大小的矩阵答案

【问题标题】：How to stack matrices with different size如何堆叠不同大小的矩阵
【发布时间】：2021-05-02 13:34:12
【问题描述】：

我有一个大小为(63,32,1,600,600) 的矩阵列表，当我想将它与torch.stack(matrices).cpu().detach().numpy() 堆叠时，它会出现错误：

“堆栈期望每个张量大小相等，但在条目 0 处得到 [32, 1, 600, 600]，在条目 62 处得到 [16, 1, 600, 600]”。尝试调整大小，但没有奏效。我感谢任何建议。

【问题讨论】：

您是否尝试过设置矩阵堆叠的维度。
是的，我尝试了 torch.stack(matrices, dim=0).cpu().detach().numpy() 并引发了同样的错误。
您确定所有张量的大小都相同吗？您能否发送一个示例列表。
(63,32,1,600,600) 是您要从(*, 1, 600, 600) 张量列表中获取的张量的形状吗？
@Dwight，是的，我确信这是我的 cnn 网络的输出，包含 32 个批次和大小为 600x600 像素的图像。我不确定如何从我的主代码中生成一个示例。

标签： python matrix pytorch stack resize

【解决方案1】：

当我们的张量仅在第一维 as of PyTorch v1.7.0 上大小不同时，我们可以使用 torch.vstack() 将其沿轴 0 堆叠。使用 torch.stack() 在这里失败，因为它期望所有张量都相同形状。

这是与您的问题描述相匹配的可重现插图：

# sample tensors (as per your size)
In [65]: t1 = torch.randn([32, 1, 600, 600])
In [66]: t2 = torch.randn([16, 1, 600, 600])

# vertical stacking (i.e., stacking along axis 0)
In [67]: stacked = torch.vstack([t1, t2])

# check shape of output
In [68]: stacked.shape
Out[68]: torch.Size([48, 1, 600, 600])

我们得到48 (32 + 16) 作为结果中第一个维度的大小，因为我们沿该维度堆叠张量。

注意：

您还可以通过显式计算形状来初始化结果张量，例如stacked，并将此张量作为参数传递给torch.vstack() 的out= kwarg，如果您想将结果写入特定张量，例如实例更新现有张量（相同形状）的值。但是，这是可选的。

# calculate new shape of stacking
In [80]: newshape = (t1.shape[0] + t2.shape[0], *t1.shape[1:])

# allocate an empty tensor, filled with garbage values
In [81]: stacked = torch.empty(newshape)

# stack it along axis 0 and write the result to `stacked`
In [83]: torch.vstack([t1, t2], out=stacked)

# check shape/size
In [84]: stacked.shape
Out[84]: torch.Size([48, 1, 600, 600])

【讨论】：

我想知道为什么会出现错误：“模块'torch'没有属性'vstack'”
@Aras 感谢您指出这一点。我更新了答案，提到 API 仅在 PyTorch 1.7.0 中添加。访问这些类型的 API 是使用最新版本的好处之一，但我同意这并不总是可能的 :)

【解决方案2】：

如果我理解正确，您正在尝试做的是将输出的小批量堆叠在一起成为一个批次。我敢打赌，你的最后一批是部分填充的（只有 16 个元素，而不是 32）。

我不会使用torch.stack（创建一个新轴），而是在批处理轴（axis=0）上简单地与torch.cat 连接。假设matrices 是torch.Tensors 的列表。

torch.cat(matrices).cpu().detach().numpy()

默认情况下，torch.cat 与 axis=0 连接。

【讨论】：