PyTorch支持動態維度的變量嗎？

Question

我已經根據變量的變量維度更新了我的問題。

假設輸入張量存儲維度爲10x3的3d點，10表示＃點，3表示特徵維度（比如x，y，z座標）。變量的維數取決於輸入張量，稱其維數爲10x10。當輸入張量將其尺寸更改爲50x3時，變量的尺寸也必須更改爲50x50。

我知道在Tensorflow中，如果輸入維度變化/未知，我們可以聲明它爲tf.placeholder（None，3）。但是，我從來沒有遇到變量大小變化/未知的情況，似乎變量總是會有固定的維度。

我目前在學習PyTorch，不知道PyTorch是否支持這個功能。任何信息，將不勝感激！

=========原始問題========

我有一個變量，其中所述尺寸是可改變的輸入尺寸的變化時。例如，如果輸入是10x2，那麼變量應該是10x10。如果輸入是25x2，那麼變量應該是25x25。根據我的理解，變量用於存儲通常具有固定維度的權重。但在我的情況下，變量的維數取決於輸入數據，這些數據可能會發生變化。 PyTorch目前是否支持這種功能？

謝謝！

Answer 1

你的問題有點模棱兩可。當你說，你的輸入是說，10x2，你需要定義輸入張量包含什麼。

我假設你正在談論torch.autograd.Variable。如果你想使用PyTorch的功能，你需要做的是通過目標函數所需形狀的張量提供你的輸入。例如，如果要使用在PyTorch中實現的RNN來輸入一個長度爲10的輸入句子，其中每個單詞都由一個300維矢量（例​​如，單詞嵌入）表示，那麼您可以執行以下操作。

rnn = nn.RNN(300, 256, 2) # emb_size=300,hidden_size=256,num_layers=2 
input = Variable(torch.randn(10, 1, 300)) # sent_length=10,batch_size=1,emb_size=300 
h0 = Variable(torch.randn(2, 1, 256)) # num_layers=2,batch_size=1,hidden_size=256 
output, hn = rnn(input, h0) 

如果您有超過1個句子，那麼您可以批量提供它們。在這種情況下，您需要填充它們以處理可變長度。正如你所看到的，RNN不關心句子長度，它可以處理可變長度，但是批量提供很多句子，你需要填充。您可以在official documentation中探索相關功能。

---

因爲你沒有提到什麼是您的輸入實際上，我假設你需要可變數量的時間步長的，在這種情況下PyTorch可以成爲你的目的變量。實際上，PyTorch的開發是爲了滿足構建深度神經網絡架構所需的所有基本功能。