所以我有一行代码：但如果我去掉“输入”，它就会神奇地自我修复：
packed_embeddings = pack_padded_sequence
浏览 22提问于2018-07-26得票数 7
回答已采纳
在pytorch中，我们可以给出一个填充序列作为RNN的输入。从中，RNN的输入可以如下所示。
packed = torch.nn.utils.rnn.pack_padded_sequence(embedded, input_lengths)outputs, output_lengths = torch.nn.utils.rnn.pad_packed_sequence(outp
浏览 0提问于2017-07-06得票数 14
回答已采纳
2回答
我明白为什么我们“垫”他们，但为什么“包装”(通过pack_padded_sequence)是必要的？
浏览 1提问于2018-06-25得票数 159
回答已采纳
我想做一个RNN，例如，有更多的隐藏层或层规范化。我认为解决方案可能是子类nn.RNN，但我不知道如何做到这一点。
浏览 0提问于2023-05-15得票数 0
回答已采纳
我正在努力训练一个LSTM层在火把。我正在使用4个GPU。初始化时，我添加了.cuda()函数，将隐藏层移动到GPU。但是，当我使用多个GPU运行代码时，我得到的是运行时错误：我试图在前向函数中使用.cuda()函数来解决这个问题，如下所示：这
浏览 3提问于2019-02-04得票数 17
我是新来的，我遇到了一些麻烦。我想建立一个等级模型来判断问题和答案的相似性(包括正确的答案和错误的答案)。我用LSTM做编码器。
浏览 5提问于2017-11-22得票数 0
回答已采纳
packed = pack_padded_sequence(seq, lens, batch_first=True, enforce_sorted=False)
当使用(最好) PyTorch功能通过LSTM
浏览 7提问于2022-01-21得票数 0
为什么同时存在pack_padded_sequence()和pack_sequence()方法？
浏览 0提问于2020-01-27得票数 4
回答已采纳
2回答
看看Tacotron2模型的编码器部分：
def forward(self, x, input_lengths): x = x.transpose(1, 2) x = nn.utils.rnn.pack_padded_sequence( self.lstm.flatten_parameters
浏览 13提问于2019-08-05得票数 0
有什么办法可以用pack_padded_sequence吗？如果是这样，我应该如何排序我的序列？
浏览 1提问于2018-03-09得票数 5
回答已采纳
我正在尝试用pytorch完成一个NLP任务，我使用了以下代码来打包我的一批句子。 # batch size * max length Variable target_batch = target_data[iter:iter + batch_size]
input_batch_length = input_leng
浏览 8提问于2018-02-26得票数 1
根据我的理解，pack_sequence和pack_padded_sequence返回一个PackedSequence，它的data属性应该始终是一维的。
浏览 0提问于2018-11-07得票数 1
回答已采纳
1回答
我读过像pad_sequence()，pack_sequence()，pack_padded_sequence()等函数，但是我已经和所有这些函数混淆了。或者还有其他我不知道的“秘密”方式？
浏览 0提问于2023-05-30得票数 0
as nnfrom torch import optim embeds = self.word_embeddings(sentence)
packed_output = pack_padded_sequence
浏览 56提问于2021-03-31得票数 0
回答已采纳
2回答
我尝试了以下几种方法from torch.nn.utils.rnn import pack_padded_sequence, pad_packed_sequence
p = pack_padded_sequence(input, lengths, batch_first=True)
gru = torch.nn.GRU
浏览 20提问于2019-03-28得票数 1
回答已采纳
1回答
使用cnn火把可变长度的文本
、、、、
我是个生手，我想知道CNN中可变长度句子序列的最佳实践是什么。现在，我知道py手电筒有一个动态图，我想知道除了填充之外，还有什么方法可以做到这一点吗？
浏览 1提问于2019-07-28得票数 2
回答已采纳
我试着用pack_padded_sequence和pad_packed_sequence来训练一个双向的lstm，但是随着损耗的增加，精度不断下降。# embedding out2 = self.embed(X[1].to(device))
out = self.linear(out)
return iout,
浏览 6提问于2021-03-24得票数 1
回答已采纳
You can pass `enforce_sorted=False` to pack_padded_sequence and/or pack_sequence to sidestep this requirement
浏览 350提问于2021-06-18得票数 0
目前，np.nanvar....Permute和PyTorch缺乏与np.nanmean和np.nanmean相当的功能，也没有转换成可接受的数据安排；没有这样的方法可以给我所需要的...Use a pack_padded_sequence这是递归神经网络一直面临的问题，因此出现了pack_padded_sequence功能，但在这里并不完全适用。
浏览 3提问于2019-10-13得票数 2
利用pad_packed_sequence恢复由pack_padded_sequence提供的神经网络层的输出，得到T x B x N张量outputs，其中T是最大时间步长，B是批处理，N是隐藏大小。
浏览 5提问于2017-09-24得票数 18
云服务器
ICP备案
对象存储
云点播
实时音视频
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号