Torch 将不同维度的张量插入表格

【问题标题】：Torch Insert tensors of different dimension into a tableTorch 将不同维度的张量插入表格
【发布时间】：2017-09-30 18:44:08
【问题描述】：

我正在尝试将不同维度的张量插入到 lua 表中。但是插入是将最后一个张量写入表中所有先前的元素。

MWE：

require 'nn';

char = nn.LookupTable(100,10,0,1)
charRep = nn.Sequential():add(char):add(nn.Squeeze())

c = {}
c[1] = torch.IntTensor(5):random(1,100)
c[2] = torch.IntTensor(2):random(1,100)
c[3] = torch.IntTensor(3):random(1,100)
--This works fine
print(c)

charFeatures = {}
for i=1,3 do
  charFeatures[i] =  charRep:forward(c[i])
  --table.insert(charFeatures, charRep:forward(c[i]))
  -- No difference when table.insert is used
end
--This fails
print(charFeatures)

也许我不明白 Lua 中的表是如何工作的。但是这段代码将最后一个张量复制到所有之前的 charFeatures 元素。

【问题讨论】：

标签： lua lua-table torch

【解决方案1】：

这个问题与表格无关，但在 Torch 中很常见。当你在神经网络上调用forward 方法时，它的状态值output 会改变。现在，当您将此值保存到 charFeatures[i] 时，您实际上创建了从 charFeatures[i] 到 charRep.output 的引用。然后在循环的下一次迭代中，charRep.output 被修改，因此charFeatures 的所有元素也被修改，因为它们指向相同的值，即charRep.output。

请注意，此行为与您的行为相同

a = torch.Tensor(5):zero()
b = a
a[1] = 0
-- then b is also modified

最后要解决你的问题，你应该克隆网络的输出：

charFeatures[i] = charRep:forward(c[i]):clone()

一切都会按预期工作！

【讨论】：