如何在 PyTorch 中组合/堆叠张量和组合维度？

Question

我需要将 4 个张量（代表灰度图像，大小为 [1,84,84]）组合成一堆形状 [4,84,84]，代表四个灰度图像，每个图像表示为“通道”张量样式 CxWxH。

我正在使用 PyTorch。

我已经尝试使用 torch.stack 和 torch.cat，但如果其中一个是解决方案，我没有运气找出正确的准备/方法来获得我的结果。

感谢您的帮助。

import torchvision.transforms as T

class ReplayBuffer:
    def __init__(self, buffersize, batchsize, framestack, device, nS):
        self.buffer = deque(maxlen=buffersize)
        self.phi = deque(maxlen=framestack)
        self.batchsize = batchsize
        self.device = device

        self._initialize_stack(nS)

    def get_stack(self):
        #t =  torch.cat(tuple(self.phi),dim=0)
        t =  torch.stack(tuple(self.phi),dim=0)
        return t

    def _initialize_stack(self, nS):
        while len(self.phi) < self.phi.maxlen:
            self.phi.append(torch.tensor([1,nS[1], nS[2]]))

a = ReplayBuffer(buffersize=50000, batchsize=64, framestack=4, device='cuda', nS=[1,84,84])
print(a.phi)
s = a.get_stack()
print(s, s.shape)

以上代码返回：

print(a.phi)

deque([tensor([ 1, 84, 84]), tensor([ 1, 84, 84]), tensor([ 1, 84, 84]), tensor([ 1, 84, 84])], maxlen=4)

print(s, s.shape)

tensor([[ 1, 84, 84],
        [ 1, 84, 84],
        [ 1, 84, 84],
        [ 1, 84, 84]]) torch.Size([4, 3])

但我想要的只是返回 [4, 84, 84]。我怀疑这很简单，但它让我无法理解。

Answer 1

看来你误解了torch.tensor([1, 84, 84]) 的作用。一起来看看吧：

torch.tensor([1, 84, 84])
print(x, x.shape) #tensor([ 1, 84, 84]) torch.Size([3])

从上面的例子可以看出，它给了你一个只有一维的张量。

根据您的问题陈述，您需要一个形状为 [1,84,84] 的张量。 下面是它的样子：

from collections import deque
import torch
import torchvision.transforms as T

class ReplayBuffer:
    def __init__(self, buffersize, batchsize, framestack, device, nS):
        self.buffer = deque(maxlen=buffersize)
        self.phi = deque(maxlen=framestack)
        self.batchsize = batchsize
        self.device = device

        self._initialize_stack(nS)

    def get_stack(self):
        t =  torch.cat(tuple(self.phi),dim=0)
#         t =  torch.stack(tuple(self.phi),dim=0)
        return t

    def _initialize_stack(self, nS):
        while len(self.phi) < self.phi.maxlen:
#             self.phi.append(torch.tensor([1,nS[1], nS[2]]))
            self.phi.append(torch.zeros([1,nS[1], nS[2]]))

a = ReplayBuffer(buffersize=50000, batchsize=64, framestack=4, device='cuda', nS=[1,84,84])
print(a.phi)
s = a.get_stack()
print(s, s.shape)

请注意，torch.cat 给你一个形状为 [4, 84, 84] 的张量，torch.stack 给你一个形状为 [4, 1, 84, 84] 的张量。他们的区别可以在What's the difference between torch.stack() and torch.cat() functions?找到。