tensor用列表存储再concat

tensor用列表存储再concat

原来，tensor还可以这样存储、然后concat？！

咳咳，先讲点废话，释放一下喜忧参半的心情，快速读取核心内容，请看目录！

如果你去查列表的相关信息，相信大量文字会显示——“列表是序列的一种，属最常用的Python数据类型，它支持字符，数字，字符串甚至可以包含列表(嵌套)，他的数据项不需要具有相同的类型······”

所以，当你在for循环中得到一个一个的tensor，而且这些tensor对你来说都有用，该怎么把它存起来？

这个问题困扰了我很久，列表虽然好用，但是根据网上对列表的介绍。我真的不知道列表里面能不能存储tensor，直到修改不同batchsize的时候······各种报错，我要吐了😢

用列表存储张量

神经网络中，大多输入都是input = torch.randn([16, 3, 224, 224])，对batchsize有一定的要求。然而总有一些时候你想要的是torch.randn([3, 224, 224])，而且，16个batch的内容，你都想要，那就试试用列表把它们 “装起来” 吧。

各位看官请瞅瞅代码！

input = torch.randn([16, 3, 224, 224])bs, nc, h, w = input.shape
a = [] # 用了存储每个batch里面的张量
for i in range(0, bs):img = input[i] # 得到torch.Size([3, 224, 224])# 此处是你的各种操作# result = result.unsqueeze(0).unsqueeze(0)，按需升维# 例如result => torch.Size([1, 1, 224, 224])a.append(result)# 此时，想要验证列表存储张量的可行性，就可以如下
print（a）
print(type(a))  # <class 'list'>
print(type(a[0]))  # <class 'torch.Tensor'>

注意：使用unsqueeze()、squeeze()方法的时候，一定要注意，你要升或者降的那个维度数值为1。例如：input = torch.randn([16, 3, 224, 224])，想要得到torch.Size([3, 224, 224])，使用input.unsqueeze(0)是行不通的！

利用for循环concat一定数量的tensor

如果成功的取出16个torch.Size([3, 224, 224])，并且对其一一操作后，如何再恢复成torch.Size([16, 3, 224, 224])？这里我用的是at()方法，参考1+2+3+···+100的for循环算法。

不懂就查系列 ☞ torch.stack, torch.cat, torch.stack.max/mean/sum维度变换详解

# 接上面那一段代码，a还是存储张量的列表在这里插入代码片out = at((a[0], a[1]), dim=0)
for j in range(2, len(a)):out = at((out,a[j]),dim=0)
print(out.shape)
return out

顺便，给大家安利一下截图软件！！真非常非常非常好用，可以把截屏的图片贴在界面上。