三维python list 与 torch.tensor中共同的维度数量问题

我们知道诸如一个三维的torch.tenser中，设 torch.size() = (a, b, c)。则其中a个二维子张量（b, c）的维度应该均相等，最直观的就是，torch.cat函数不可以合并两个维度不同的张量。同理np数组中也是如此，但list中的元素作为具有较高的选择自由度，是否可以满足其子多维列表维度不同呢？——　答案是可以

通过以下一个小程序分析：

首先，我们设置一个三维形式的等差数列数组 a：

import numpy as np
a = np.arange(60).reshape(((6,10,1)))

a 中共有６个二维子数组，均为10×１形式，我们取其每个子数组每行末尾的数字大小进行判断，已知值最大为　59，首先我们设其小于58。满足条件的子数组中的那行将以列表形式重新输出，格式与原输入相同，均为三维形式：

aaa = []
for i in range(0,6):
    aa = []
    for j,data in enumerate(a[i,:,-1]):
        if data < 58:
            b = a.tolist()
            aa.append(b[i][j])
        else: continue
    aaa.append(aa)

Debug 时可见，三维列表aaa６个子数组维度并非均等，但并未出现存取值异常。
随后我们将其转为np数组输出：

aaa_np = np.array(aaa)

此时可见，生成的ndarray却是以二维list形式存储的，并非三维np数组。
但当我们将三维列表aaa６个子数组维度设为均等时（如取 data < 61），奇迹出现了：