我有一组序列，格式如下：

sequences = torch.tensor([[2,1],[5,6],[3,0]])indexes = torch.tensor([1,0,1])

也就是说，序列0仅由[5,6]组成，而序列1由[2,1], [3,0]组成。从数学上讲，sequence[i] = { sequences[j] 只要 i = indexes[j] }

我需要将这些序列输入到LSTM中。由于这些是变长序列，PyTorch文档建议使用类似torch.nn.utils.rnn.pack_sequence的方法。

遗憾的是，这种方法及其类似方法需要输入一个张量列表，每个张量都是L x *形式，其中L是单个序列的长度。

如何构建可以输入PyTorch LSTM的数据结构？

附注：在整个代码中，我使用scatter和gather功能处理这些张量，但找不到使用它们来实现这一目标的方法。

回答：

我找到了一个替代且更高效的分离序列的方法：

sequences = torch.tensor([[2,1],[5,6],[3,0]])indexes = torch.tensor([1,0,1])sorted_src = src[indexes.argsort()]indexes_count = torch.unique(indexes, return_counts=True)[1]splitted = torch.split(sorted_src, indexes_count.tolist(), dim=0)

这种方法比@***提出的方法快近三倍。

使用timeit模块测量，序列为(5000,256)的张量，索引为(1500)的张量