2024.4.8 繰り返し計算におけるデータの保持【torch】

2024.4.8 繰り返し計算におけるデータの保持【numpy】と同様に、繰り返し計算の過程で得られたテンソルを２次元にのテンソルに格納する方法を示す。

code:p01.py

import torch as pt

hist = []

data = pt.tensor(

dtype = pt.float,

requires_grad = True

)

for i in range(5):

hist.append(data.flatten()) # <---dataを１次元に変換し保持

print('### とりあえず表示（テンソルを要素に持つリスト）')

print(hist)

print('### stack関数を使って二次元化')

result1 = pt.stack(hist)

print(type(result1))

print(result1.shape)

print(result1)

print('### ndarray化')

result2 = result1.detach().numpy()

print(type(result2))

print(result2.shape)

print(result2)

結果

code:result.py

### とりあえず表示

[tensor(1., 2., 3., 4., requires_grad=True), tensor(1., 2., 3., 4., requires_grad=True), tensor(1., 2., 3., 4., requires_grad=True), tensor(1., 2., 3., 4., requires_grad=True), tensor(1., 2., 3., 4., requires_grad=True)]

### stack関数を使って二次元化

torch.Size(5, 4)

1., 2., 3., 4.], grad_fn=<StackBackward0>)

### ndarray化

(5, 4)