我有一个包含200列和2500行的pandas数据框，我将其转换为张量

tensor = torch.tensor(df.values)tensor.size() => ([2500,200])

然后我对其进行了分块和枚举

list=[]for i,chunk in enumerate(tensor.chunk(100,dim=0)):    chunk.size =>([25,200])    output = hiddenlayer(chunk)    output.size() => ([25,1])    list += output

这些分块经过一些层处理后输出为特征为1的张量。因此，现在我有100个张量的列表，每个张量包含25个块，每个块为1，即100x25x1

然后我

stacked = torch.stack(list, 1).squeeze(2)stacked.size()=([25,100])

我尝试了不同的堆叠和压缩方法，但似乎无法得到我想要的形状([2500,1])。我是不是遗漏了什么？如果您能快速帮助我理解堆叠和压缩的作用，以及为什么对我不起作用，我将不胜感激！谢谢

回答：

将list重命名为tensor_list，因为使用保留关键字作为变量名是不好的做法。

tensor_list =[]for i,chunk in enumerate(tensor.chunk(100,dim=0)):    output = hiddenlayer(chunk).squeeze()    tensor_list.append(output)result = torch.reshape(torch.stack(tensor_list,0), (-1, 1))

result.size() 现在应该返回 torch.Size([2500, 1])