torch.nn.utils.rnn.pad_packed_sequence

torch.nn.utils.rnn.pad_packed_sequence(sequence, batch_first=False, padding_value=0.0, total_length=None)

填充一個已打包的可變長度序列批次。

它是 pack_padded_sequence() 的逆操作。

返回的 Tensor 的資料大小將是 T x B x * (如果 batch_first 為 False) 或 B x T x * (如果 batch_first 為 True) ，其中 T 是最長序列的長度，B 是批次大小。

示例

>>> from torch.nn.utils.rnn import pack_padded_sequence, pad_packed_sequence
>>> seq = torch.tensor([[1, 2, 0], [3, 0, 0], [4, 5, 6]])
>>> lens = [2, 1, 3]
>>> packed = pack_padded_sequence(
...     seq, lens, batch_first=True, enforce_sorted=False
... )
>>> packed
PackedSequence(data=tensor([4, 1, 3, 5, 2, 6]), batch_sizes=tensor([3, 2, 1]),
               sorted_indices=tensor([2, 0, 1]), unsorted_indices=tensor([1, 2, 0]))
>>> seq_unpacked, lens_unpacked = pad_packed_sequence(packed, batch_first=True)
>>> seq_unpacked
tensor([[1, 2, 0],
        [3, 0, 0],
        [4, 5, 6]])
>>> lens_unpacked
tensor([2, 1, 3])

注意

total_length 對於在 Module 中包裝的 DataParallel 實現 pack sequence -> recurrent network -> unpack sequence 模式非常有用。詳情請參見 本 FAQ 部分。

引數

• sequence (PackedSequence) – 要填充的批次

• batch_first (bool, optional) – 如果為 True，輸出格式為 B x T x *，否則為 T x B x *。

• padding_value (float, optional) – 填充元素的取值。

• total_length (int, optional) – 如果不為 None，則輸出將填充到長度為 total_length。如果 total_length 小於 sequence 中的最大序列長度，此方法將丟擲 ValueError。

返回

包含填充序列的 Tensor 和包含批次中每個序列長度的 Tensor 的元組。批次元素將按原始傳遞給 pack_padded_sequence 或 pack_sequence 時的順序重新排序。

返回型別

tuple[torch.Tensor, torch.Tensor]