Computer vision 如何将带有梯度的Torch张量列表转换为张量

我有一个叫做pts的变量，它的形状是[batch，ch，h，w]。这是一张热图，我想把它转换成第二坐标。目标是，pts_o=热图到pts（pts），其中pts_o将是[batch，ch，2]。到目前为止，我已经编写了这个函数

def heatmap_to_pts(self, pts):  <- pts [batch, 68, 128, 128]
    
    pt_num = []
    
    for i in range(len(pts)):
        
        pt = pts[i]
        if type(pt) == torch.Tensor:

            d = torch.tensor(128)                                                   * get the   
            m = pt.view(68, -1).argmax(1)                                           * indices
            indices = torch.cat(((m / d).view(-1, 1), (m % d).view(-1, 1)), dim=1)  * from heatmaps
        
            pt_num.append(indices.type(torch.DoubleTensor) )   <- store the indices in a list

    b = torch.Tensor(68, 2)                   * trying to convert
    c = torch.cat(pt_num, out=b) *error*      * a list of tensors with grad
    c = c.reshape(68,2)                       * to a tensor like [batch, 68, 2]

    return c

def heatmap\u to_pts（self，pts）：错误显示

cat（）：不带out=。。。参数不支持自动微分，但其中一个参数需要grad

这意味着，
torch.cat（）
等函数的输出作为
out=
kwarg不能用作autograd引擎（执行自动区分）的输入

原因是（Python列表中的）张量对于
requires\u grad
属性具有不同的值，即，有些张量具有
requires\u grad=True
，而有些张量具有
requires\u grad=False

在代码中，以下行（逻辑上）很麻烦：

c = torch.cat(pt_num, out=b) 

torch.cat（）
的返回值，无论是否使用
out=
kwarg，都是沿所述维度的张量串联

因此，张量
c
已经是
pt_num
中单个张量的串联版本。使用
out=b
冗余。因此，您可以简单地去掉
out=b
，一切都应该很好

c = torch.cat(pt_num)