学习笔记|PackedSequence

在RNN模型中,使用PackedSequence处理不同长度的输入数据,通过pack_padded_sequence进行文本长度对齐并告知模型padding情况。经过RNN处理后,使用pad_packed_sequence恢复到padding形式。在dropout后,需要将tensor封装为PackedSequence以输入到LSTM。input格式为T * B * X或B * T * X(取决于batch_first参数)。
摘要由CSDN通过智能技术生成

使用RNN模型建模时,使用PackSequence处理不同长度的输入数据,作为RNN输入。

from torch.nn.utils.rnn import PackedSequence

对同一个patch中的不同文本使用padding的方式进行文本长度对齐,同时为了保证模型训练的精度,需要告诉RNN相关padding的情况,使用pack_padded_sequence实现。

import numpy as np
import torch
from torch.nn.utils.rnn import pack_padded_sequence, pad_packed_sequence

print(torch.__version__)

V = 5 # size of vocabulary
words = range(5)

data = [[1,2,3], [0,
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值