演示 `zip`, `list` 和 `torch.stack` 的使用过程

演示 zip, list 和 torch.stack 的使用过程。

首先，我们先导入必要的库：

 import torch

现在，假设我们的模拟数据是这样的：

# 这是我们的模拟数据，其中每个内部列表的第一个元素是输入，第二个元素是目标
data = [
    [torch.tensor([1, 2, 3]), torch.tensor([4, 5, 6])],
    [torch.tensor([7, 8, 9]), torch.tensor([10, 11, 12])],
    [torch.tensor([13, 14, 15]), torch.tensor([16, 17, 18])]
]

接下来，我们使用 zip 函数来转置这个数据：

transposed_data = list(zip(*data))
print(transposed_data)

输出：

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

你可以看到，zip 函数已经把我们的数据转置了。现在，我们的数据是元组的列表，其中每个元组的第一个元素是所有输入数据的第一个元素，第二个元素是所有输入数据的第二个元素，以此类推。

接下来，我们使用 torch.stack 函数来把这些数据堆叠成张量：

inputs = torch.stack(transposed_data[0], 0)
targets = torch.stack(transposed_data[1], 0)

现在我们来看看得到的张量：

print(inputs)
print(targets)

输出：

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

这就是 zip, list 和 torch.stack 的基本使用过程。

以上内容创作通过AI