PackedSequence

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

儲存 packed sequence 的 data 和 batch_sizes 列表。

所有 RNN 模組都接受 packed sequences 作為輸入。

注意

不應手動建立此類例項。它們應由諸如 pack_padded_sequence() 之類的函式例項化。

Batch sizes 表示 batch 中每個序列步驟的元素數量，而不是傳遞給 pack_padded_sequence() 的變化序列長度。例如，給定資料 abc 和 x，PackedSequence 將包含資料 axbc 和 batch_sizes=[2,1,1]。

變數

• data (Tensor) – 包含 packed sequence 的 Tensor

• batch_sizes (Tensor) – 包含每個序列步驟 batch 大小資訊的整數 Tensor

• sorted_indices (Tensor, 可選) – 包含此 PackedSequence 如何由序列構建而來的整數 Tensor。

• unsorted_indices (Tensor, 可選) – 包含如何以正確順序恢復原始序列的整數 Tensor。

返回型別

Self

注意

data 可以位於任意裝置上並具有任意 dtype。sorted_indices 和 unsorted_indices 必須是與 data 相同裝置上的 torch.int64 張量。

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

此不變數在整個 PackedSequence 類中保持，並且在 PyTorch 中構建 PackedSequence 的所有函式（即，它們僅傳遞符合此約束的張量）中也保持。

batch_sizes: Tensor

欄位編號 1 的別名

count(value, /)

返回 value 出現的次數。

data: Tensor

欄位編號 0 的別名

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

返回 value 第一次出現的索引。

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

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 而不是 args 傳遞，否則它們將不適用於索引張量。

注意

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