对堆栈的连续调用抛出RuntimeError：堆栈期望每个张量大小相等

Question

我认为{}和{}都不能完全满足我的要求

最初，我定义了一个空张量。然后我想在它上面加上一个一维张量多次

x = torch.tensor([]).type(torch.DoubleTensor)
y = torch.tensor([ 0.3981,  0.6952, -1.2320]).type(torch.DoubleTensor)
x = torch.stack([x,y])

这将抛出一个错误：

RuntimeError: stack expects each tensor to be equal size, but got [0] at entry 0 and [3] at entry 1

因此，我必须将x初始化为torch.tensor([0,0,0])（但这可以避免吗？）

x = torch.tensor([0,0,0]).type(torch.DoubleTensor)
y = torch.tensor([ 0.3981,  0.6952, -1.2320]).type(torch.DoubleTensor)
x = torch.stack([x,y])  # this is okay
x = torch.stack([x,y])  # <--- this got error again

但是当我第二次运行x = torch.stack([x,y])时，我得到了以下错误：

RuntimeError: stack expects each tensor to be equal size, but got [2, 3] at entry 0 and [3] at entry 1

我想要实现的是能够多次附加1d张量（每次添加的1d张量不同，为了简单起见，这里我使用相同的张量）**：

tensor([[ 0.3981,  0.6952, -1.2320],
        [ 0.3981,  0.6952, -1.2320],
        [ 0.3981,  0.6952, -1.2320],
        [ 0.3981,  0.6952, -1.2320],
        ...
        [ 0.3981,  0.6952, -1.2320]], dtype=torch.float64)

如何做到这一点

Answer 1

从torch.cat的文档中可以看出，“所有张量必须具有相同的形状（连接维度除外）或为空”。因此，最简单的解决方案是向要添加的张量再添加一个维度（大小为1）。然后，您将得到大小为（n，任意）和（1，任意）的张量，它们将沿第0维连接，满足torch.cat的要求

代码：

x = torch.empty(size=(0,3))
y = torch.tensor([ 0.3981,  0.6952, -1.2320])
for n in range(5):
    y1 = y.unsqueeze(dim=0) # same as y but with shape (1,3)
    x = torch.cat([x,y1], dim=0)
print(x)

输出：

tensor([[ 0.3981,  0.6952, -1.2320],
        [ 0.3981,  0.6952, -1.2320],
        [ 0.3981,  0.6952, -1.2320],
        [ 0.3981,  0.6952, -1.2320],
        [ 0.3981,  0.6952, -1.2320]])