我得到一个列表,其中包含不同长度的列表。如何在不使用填充的情况下将其转换为pytorch中的张量?有可能吗?
[[3, 5, 10, 11], [1, 5, 10]]发布于 2021-11-22 21:42:41
这取决于您想要通过数据结构实现什么。您可以使用torch.sparse,例如:
ll = [[3, 5, 10, 11], [1, 5, 10]]
n = len(ll)
m = max(len(l) for l in ll)
ids = [[], []]
values = []
for i, l in enumerate(ll):
length = len(l)
ids[0] += [i] * length # rows
ids[1] += list(range(length)) # cols
values += l
t = torch.sparse_coo_tensor(ids, values, (n, m))否则,您可以尝试使用文档语料库的嵌入技术,例如bag- of -words (尽管它仍然会生成一些“填充”)、tf-idf等。
内部列表中可能存在重复项的词袋
corpus = [[3, 5, 10, 11], [1, 5, 10]]
n = len(corpus)
m = max(max(inner) for inner in corpus)
t = torch.zeros(n, m)
for i, doc in enumerate(corpus):
torch.bincount(corpus)内部列表中具有不同值的词袋
corpus = [[3, 5, 10, 11], [1, 5, 10]]
n = len(corpus)
m = max(max(inner) for inner in corpus)
t = torch.zeros(n, m)
for i, doc in enumerate(corpus):
t[i, doc] = 1https://stackoverflow.com/questions/70067595
复制相似问题