pytorch 笔记：PAD_PACKED_SEQUENCE 和PACK_PADDED_SEQUENCE

本文主要是介绍pytorch 笔记：PAD_PACKED_SEQUENCE 和PACK_PADDED_SEQUENCE，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1 PACK_PADDED_SEQUENCE

1.0 功能

• 将填充的序列打包成一个更加紧凑的形式
• 这样RNN、LSTM和GRU等模型可以更高效地处理它们，因为它们可以跳过不必要的计算

1.2 基本使用方法

torch.nn.utils.rnn.pack_padded_sequence(input, lengths, batch_first=False, enforce_sorted=True)

1.3 参数

input	一个大小为T×B×*的张量 T是最长序列的长度 B是批次大小 *表示任意数目的维度
lengths	每个批次元素的序列长度的列表
batch_first	如果batch_first是True，那么期望的输入格式是B x T x *
enforce_sorted	如果设置了enforce_sorted=True，序列应该按长度降序排列。这意味着input[:,0]应该是最长的序列，input[:,B-1]应该是最短的。 如果enforce_sorted设置为False，输入序列将无条件地被排序。

1.4 举例 

import torch
from torch.nn.utils.rnn import pack_padded_sequence# 输入序列
input_seq = torch.tensor([[6, 8, 9, 0], [5, 7, 0, 0], [1, 0, 0, 0]])# 序列的实际长度
lengths = [3, 2, 1]# 使用pack_padded_sequence
packed = pack_padded_sequence(input_seq, lengths, batch_first=True)packed
#PackedSequence(data=tensor([6, 5, 1, 8, 7, 9]), batch_sizes=tensor([3, 2, 1]), sorted_indices=None, unsorted_indices=None)

2 pad_packed_sequence

对一个已打包的序列进行解包，这个打包的序列通常是通过pack_padded_sequence函数从一个填充的序列得到的

2.1 基本使用方法

torch.nn.utils.rnn.pad_packed_sequence(sequence, batch_first=False, padding_value=0.0, total_length=None)

2.2 参数说明

sequence	要解包的已打包序列
batch_first	指示输出的维度顺序。如果为True，输出将为B x T x *格式，否则为T x B x *格式
padding_value	用于填充的值，通常是0
total_length	可选的。如果指定，输出序列将被填充到这个长度

2.3 举例

还是之前的packed

from torch.nn.utils.rnn import pad_packed_sequencepad_packed_sequence(packed)
'''
(tensor([[6, 5, 1],[8, 7, 0],[9, 0, 0]]),tensor([3, 2, 1]))
'''pad_packed_sequence(packed, batch_first=True,total_length=5)
'''
(tensor([[6, 8, 9, 0, 0],[5, 7, 0, 0, 0],[1, 0, 0, 0, 0]]),tensor([3, 2, 1]))
'''

这篇关于pytorch 笔记：PAD_PACKED_SEQUENCE 和PACK_PADDED_SEQUENCE的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---