声明PyTorch张量时有关尺寸的参数错误

我目前正试图将一个值列表转换为PyTorch张量，并且面临一些困难

导致错误的确切代码是：

input_tensor = torch.cuda.FloatTensor(data)

这里，

data

是一个包含两个元素的列表：第一个元素是另一个NumPy数组列表，第二个元素是元组列表。两个列表的大小不同，我认为这导致了以下错误：

*** ValueError: expected sequence of length x at dim 2 (got y)

通常

y

大于

x

。我试着用IPython终端看看有什么问题，但似乎试图将这种格式的数据直接转换成PyTorch张量是行不通的。不过，将

数据列表中的每个元素转换成张量是可行的

有没有人知道为什么这不起作用，也许还能就如何实现我最初的目标提供一些反馈？提前感谢。
假设
数据的第一个子列表包含
n
1D数组，每个数组的大小
m
，第二个子列表包含
k
元组，每个数组的大小
p

调用
torch.FloatTensor（data）
时，每个子列表分别转换为二维张量，其形状
（n，m）
和形状
（k，p）
；然后它们叠加在一起形成一个三维张量。只有当
n=k
和
m=p
将三维张量视为长方体时，这才有可能

我认为这是非常明显的，所以我猜你有
m=p
，并且想要通过简单地连接两个子列表来创建形状为
（n+k，m）
的二维张量：

torch.FloatTensor(np.concatenate(data))

假设
数据的第一个子列表包含
n
1D数组，每个数组的大小
m
，第二个子列表包含
k
元组，每个数组的大小
p

调用
torch.FloatTensor（data）
时，每个子列表分别转换为二维张量，其形状
（n，m）
和形状
（k，p）
；然后它们叠加在一起形成一个三维张量。只有当
n=k
和
m=p
将三维张量视为长方体时，这才有可能

我认为这是非常明显的，所以我猜你有
m=p
，并且想要通过简单地连接两个子列表来创建形状为
（n+k，m）
的二维张量：

torch.FloatTensor(np.concatenate(data))