我定义了一个这样的张量
t_shape = [4, 1]
data = torch.rand(t_shape)
我想对每一行应用不同的函数。
funcs = [lambda x: x+1, lambda x: x**2, lambda x: x-1, lambda x: x*2] # each function for each row.
我可以用下面的代码来做到这一点
d = torch.tensor([f(data[i]) for i, f in enumerate(funcs)])
如何使用 PyTorch 中定义的更高级 API 以正确的方式完成此操作？
最佳答案
我认为你的解决方案很好。但它不适用于任何张量形状。您可以按如下方式稍微修改解决方案。
t_shape = [4, 10, 10]
data = torch.rand(t_shape)
funcs = [lambda x: x+1, lambda x: x**2, lambda x: x-1, lambda x: x*2]
# only change the following 2 lines
d = [f(data[i]) for i, f in enumerate(funcs)]
d = torch.stack(d, dim=0)
关于python - PyTorch，按元素应用不同的函数，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/58533136/