PackedSequence

class torch.nn.utils.rnn.PackedSequence(data, batch_sizes=None, sorted_indices=None, unsorted_indices=None)

儲存已打包序列的資料和 batch_sizes 列表。

所有 RNN 模組都接受已打包序列作為輸入。

注意

此類的例項不應手動建立。它們應由 pack_padded_sequence() 等函式例項化。

Batch sizes 表示批次中每個序列步的元素數量，而不是傳遞給 pack_padded_sequence() 的可變序列長度。例如，給定資料 abc 和 x，PackedSequence 將包含資料 axbc，其中 batch_sizes=[2,1,1]。

變數

• data (Tensor) – 包含已打包序列的張量

• batch_sizes (Tensor) – 包含每個序列步批次大小資訊的整數張量

• sorted_indices (Tensor, optional) – 包含此 PackedSequence 如何從序列構建的整數張量。

• unsorted_indices (Tensor, optional) – 包含如何恢復具有正確順序的原始序列的整數張量。

返回型別

自我

注意

data 可以位於任意裝置和任意 dtype 上。sorted_indices 和 unsorted_indices 必須是與 data 相同裝置上的 torch.int64 張量。

但是，batch_sizes 必須始終是 CPU torch.int64 張量。

此不變數在 PackedSequence 類中一直保持，並且 PyTorch 中所有構造 PackedSequence 的函式（即，它們僅傳入符合此約束的張量）。

batch_sizes: Tensor

Alias for field number 1

count(value, /)

返回值的出現次數。

data: Tensor

Alias for field number 0

index(value, start=0, stop=9223372036854775807, /)

返回值的第一個索引。

如果值不存在，則引發 ValueError。

property is_cuda: bool

如果 self.data 儲存在 GPU 上，則返回 True。

is_pinned()

如果 self.data 儲存在固定記憶體中，則返回 True。

返回型別

布林值

sorted_indices: Optional[Tensor]

欄位編號 2 的別名

to(dtype: dtype, non_blocking: bool = ..., copy: bool = ...) → Self

to(device: Optional[Union[str, device, int]] = ..., dtype: Optional[dtype] = ..., non_blocking: bool = ..., copy: bool = ...) → Self

to(other: Tensor, non_blocking: bool = ..., copy: bool = ...) → Self

對 self.data 執行 dtype 和/或 device 轉換。

它具有與 torch.Tensor.to() 相似的簽名，但像 non_blocking 和 copy 這樣的可選引數應作為 kwargs 傳遞，而不是 args，否則它們將不適用於索引張量。

注意

如果 self.data 張量已具有正確的 torch.dtype 和 torch.device，則返回 self。否則，返回具有所需配置的副本。

unsorted_indices: Optional[Tensor]

欄位編號 3 的別名