Python 将张量附加到另一张量的每个元素上

我有一个pytorch张量：

x=torch.zero（2,2）

，还有另一个变量值张量：

item=torch.tensor（[[1,2]，[3,4]]）

，我只是举个例子

我想添加

项

张量作为x张量的每个元素，这样

x = [[item, item], 
     [item, item]]

所以x是一个张量，里面有张量。

---

我曾尝试将

项直接分配给x，但出现了一个错误：
运行时错误：张量的扩展大小必须与非单体维度的现有大小匹配
没有看到任何
pytorch
本机函数，但您可以使用
np.block
：

import numpy as np
item = np.array(item) # need to convert item from tensor to ndarray
x = np.block([[item, item], [item, item]]
x = torch.from_numpy(x) # if you want to change it back to tensor

可能不是最快的，如果它真的很大，你在类型之间转换很多。注意：这样就不需要用零来初始化
x
。
没有看到任何
pytorch
本机函数，但您可以使用
np.block
：

import numpy as np
item = np.array(item) # need to convert item from tensor to ndarray
x = np.block([[item, item], [item, item]]
x = torch.from_numpy(x) # if you want to change it back to tensor

可能不是最快的，如果它真的很大，你在类型之间转换很多。注意，这样就不需要用零来初始化
x
。
使用，
你的
target\u tensor
形状将是
torch.Size（[2,2,2,2]）

item
tensor形状已经是
torch.Size（[2,2]）

使用：

repeat（）函数的前两个参数是x的形状，
你的
target\u tensor
形状将是
torch.Size（[2,2,2,2]）

item
tensor形状已经是
torch.Size（[2,2]）

使用：

repeat（）函数的前两个参数是x的形状
只有变量支持切片赋值。源和目标之间的形状必须相同

 a=tf.Variable([[1,2],[3,4]])
 a.assign([[5,6], [7,8]])

 print(a.numpy())

输出：
[[5,6]
[7 8]]

如果数据是非常规分配，请尝试使用RaggedSensor


输出

<tf.RaggedTensor [[1, 2], [3, 4, 5]]>

只有变量支持切片赋值。源和目标之间的形状必须相同

 a=tf.Variable([[1,2],[3,4]])
 a.assign([[5,6], [7,8]])

 print(a.numpy())

输出：
[[5,6]
[7 8]]

如果数据是非常规分配，请尝试使用RaggedSensor


输出

<tf.RaggedTensor [[1, 2], [3, 4, 5]]>