PackedSequence

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

保存壓縮序列的資料和 batch_sizes 列表。

所有 RNN 模組都接受壓縮序列作為輸入。

備註

這個類別的實例不應該手動建立。它們應該由像是 pack_padded_sequence() 這樣的函式實例化。

Batch sizes 代表批次中每個序列步驟的元素數量，而不是傳遞給 pack_padded_sequence() 的不同序列長度。例如，給定資料 abc 和 x，PackedSequence 會包含資料 axbc，並帶有 batch_sizes=[2,1,1]。

變數

• data (Tensor) – 包含壓縮序列的 Tensor

• batch_sizes (Tensor) – 整數 Tensor，保存關於每個序列步驟中 batch size 的資訊

• sorted_indices (Tensor, optional) – 整數 Tensor，保存這個 PackedSequence 是如何從序列建構的。

• unsorted_indices (Tensor, optional) – 整數 Tensor，保存如何恢復具有正確順序的原始序列。

回傳類型

Self

備註

data 可以在任意裝置上，並且可以是任意 dtype。sorted_indices 和 unsorted_indices 必須是與 data 相同裝置上的 torch.int64 tensors。

然而，batch_sizes 應該始終是 CPU 上的 torch.int64 tensor。

這個不變性在整個 PackedSequence 類別中，以及所有在 PyTorch 中建構 PackedSequence 的函式中被維持（也就是說，它們只傳入符合此約束的 tensors）。

batch_sizes: Tensor

欄位編號 1 的別名

count(value, /)

回傳 value 出現的次數。

data: Tensor

欄位編號 0 的別名

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

回傳 value 首次出現的索引。

如果 value 不存在則引發 ValueError。

property is_cuda: bool

如果 self.data 儲存在 gpu 上，則回傳 true。

is_pinned()

如果 self.data 儲存在 pinned memory 中，則回傳 true。

回傳類型

bool

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/或裝置轉換。

它與 torch.Tensor.to() 具有相似的簽章，除了像 non_blocking 和 copy 這樣的可選參數應該作為 kwargs 傳遞，而不是 args，否則它們不會應用於索引張量。

備註

如果 self.data 張量已經具有正確的 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