火炬：保存张量到csv文件

我一直在和火炬一起工作。我现在的程序需要导出一个包含简化特征矩阵的张量。 我试着做了以下几点：

torch.save('t.csv',torch.Tensor({{1,2},{3,4}}),'ascii')

结果是：

4
1
3
V 1
18
torch.DoubleTensor
2
2 3
3 1
1
4
2
3
V 1
19
torch.DoubleStorage
6
1 2 3 4 5 6

预期产出：

1, 2, 3
4, 5, 6

---

我希望有人能想到我该怎么做？

保存张量时，torch不仅保存数据，而且还保存其他一些有用的信息，供以后反序列化使用

如果您需要csv序列化，您最好自己实现它

幸运的是，这非常简单

下面是一个简单的例子：

require 'torch'

matrix = torch.Tensor(5,3) -- a 5x3 matrix

matrix:random(1,10) -- matrix initialized with random numbers in [1,10]

print(matrix) -- let's see the matrix content

subtensor = matrix[{{1,3}, {2,3}}] -- let's create a view on the row 1 to 3, for which we take columns 2 to 3 (the view is a 3x2 matrix, note that values are bound to the original tensor)

local out = assert(io.open("./dump.csv", "w")) -- open a file for serialization

splitter = ","
for i=1,subtensor:size(1) do
    for j=1,subtensor:size(2) do
        out:write(subtensor[i][j])
        if j == subtensor:size(2) then
            out:write("\n")
        else
            out:write(splitter)
        end
    end
end

out:close()

我的计算机上矩阵的输出为：

 10  10   6
  4   8   3
  3   8   5
  5   5   5
  1   6   8
[torch.DoubleTensor of size 5x3]

和文件转储内容：

10,6
8,3
8,5

---

HTH

首先可以使用将张量转换为Lua表。然后使用库将表另存为csv文件。这可能是一个解决方法，但我没有遇到任何问题。

对于简单的表，也可以通过将张量转换为Numpy数组，然后转换为Pandas数据帧来导出

导入pytorch作为火炬
将numpy作为np导入
作为pd进口熊猫
t=火炬张量（[[1,2]，[3,4]]）#虚拟数据
t_np=t.numpy（）#转换为numpy数组
df=pd.DataFrame（t_np）#转换为数据帧
df.to_csv（“testfile”，index=False）#保存到文件
#然后，要重新加载：
df=pd.read\u csv（“测试文件”）