如何使用滑动窗口调整 PyTorch 张量的大小？答案

【问题标题】：How can I resize a PyTorch tensor with a sliding window?如何使用滑动窗口调整 PyTorch 张量的大小？
【发布时间】：2020-02-10 19:34:05
【问题描述】：

我有一个大小为：torch.Size([118160, 1]) 的张量。我想要做的是将它分成 n 个张量，每个张量有 100 个元素，一次滑动 50 个元素。使用 PyTorch 实现这一目标的最佳方法是什么？

【问题讨论】：

我可能会做[x[i:min(x.size(0),i+100)] for i in range(0,x.size(0),50)]，但最后几个元素会短于 100。这种行为可以吗？
将其添加为答案，以便我接受

标签： python pytorch tensor

【解决方案1】：

您可以使用 Pytorch 的展开 API。参考这个https://pytorch.org/docs/stable/generated/torch.Tensor.unfold.html

例子：

x = torch.arange(1., 20)
x.unfold(0,4,2)

tensor([[ 1.,  2.,  3.,  4.],  
        [ 3.,  4.,  5.,  6.],  
        [ 5.,  6.,  7.,  8.],  
        [ 7.,  8.,  9., 10.],  
        [ 9., 10., 11., 12.],  
        [11., 12., 13., 14.],  
        [13., 14., 15., 16.],  
        [15., 16., 17., 18.]])

【讨论】：

【解决方案2】：

一个可能的解决方案是：

window_size = 100
stride = 50
splits = [x[i:min(x.size(0),i+window_size)] for i in range(0,x.size(0),stride)]

但是，最后几个元素将比window_size 短。如果这是不希望的，您可以这样做：

splits = [x[i:i+window_size] for i in range(0,x.size(0)-window_size+1,stride)]

编辑：

更易读的解决方案：

# if keep_short_tails is set to True, the slices shorter than window_size at the end of the result will be kept 
def window_split(x, window_size=100, stride=50, keep_short_tails=True):
  length = x.size(0)
  splits = []

  if keep_short_tails:
    for slice_start in range(0, length, stride):
      slice_end = min(length, slice_start + window_size)
      splits.append(x[slice_start:slice_end])
  else:
    for slice_start in range(0, length - window_size + 1, stride):
      slice_end = slice_start + window_size
      splits.append(x[slice_start:slice_end])

  return splits

【讨论】：

无论如何要让它不那么 Pythonic 并因此更具可读性？
对不起。我倾向于以牺牲可读性为代价来享受写单行文字的乐趣。我添加了一个更可重用（希望更易读）的函数。

【解决方案3】：

您的元素数量需要被 100 整除。如果不是这种情况，您可以使用填充进行调整。

您可以先对原始列表进行拆分。然后对列表进行拆分，从原始列表中删除前 50 个元素。如果您想保留原始顺序，则可以从 A 和 B 中交替顺序采样。

A = yourtensor
B = yourtensor[50:] + torch.zeros(50,1)
A_ = A.view(100,-1)
B_ = B.view(100,-1)

【讨论】：