Pytorch 当我们有pack_sequence（）时，为什么需要pack_padded_sequence（）？

在阅读了问题的答案后，我仍然对整个PackedSequence对象有点困惑。据我所知，这是一个为循环模型中可变大小序列的并行处理而优化的对象，零填充是一个[不完美的]解决方案。似乎给定一个PackedSequence对象，Pytorch RNN将处理批处理中的每个序列直到结束，而不是继续处理填充。那么为什么这里需要填充呢？为什么既有pack\u padded\u sequence（）方法又有pack\u sequence（）方法？

主要是出于历史原因

torch.nn.pack_padded_sequence（）

是在

torch.nn.pack_sequence（）

之前创建的（如果我没看错的话，后者第一次出现在

0.4.0

中），我想没有理由删除此功能并破坏向后兼容性

此外，并不总是清楚什么是最好/最快的方式来填充输入，并且它在您使用的数据上差异很大。当数据事先以某种方式填充时（例如，您的数据被预先填充并以这种方式提供给您），使用

pack\u padded\u sequence（）

会更快（请参阅，它正在为您计算每个数据点的

length

，并在内部调用

pad\u sequence

然后调用

pack\u padded\u sequence

）。可以说，

pad\u-packed\u-sequence

现在很少使用

---

最后，请注意为这两个函数提供了

1.2.0

版本的

exforce_-sorted

参数。不久前，用户必须首先以最长的顺序对数据（或批处理）进行排序，最后以最短的顺序进行排序，现在可以在内部将此参数设置为

False

谢谢。为什么

pad\u-packed\u-sequence

过时了？如何解包自己的

PackedSequence

对象？我写了下面的lambda，它适合我。有更好的办法吗

unpack=lambda packed_seq_obj:[tnsr[：ln]对于tnsr，ln在zip中（*pad_packed_seq_obj，batch_first=True））

它不是过时的，我提到它是一个打字错误，对不起。这是一种方法，它取决于您愿意用它做什么（有时不需要

解包

，例如，当您需要最后一个时间戳时）。你的解包代码是一条路要走，没有内置的AFAIK功能。