torch.nn.utils.rnn下面pack_padded_sequence和pad_packed_sequence方法
1. pack_padded_sequence
from torch.nn.utils.rnn import pack_padded_sequence, pad_packed_sequence
import torch
seq = torch.tensor([[1,2,0], [3,0,0], [4,5,6]])
lens = [2, 1, 3]
packed = pack_padded_sequence(seq, lens, batch_first=True, enforce_sorted=False)
packed
Out: PackedSequence(data=tensor([4, 1, 3, 5, 2, 6]), batch_sizes=tensor([3, 2, 1]), sorted_indices=tensor([2, 0, 1]), unsorted_indices=tensor([1, 2, 0]))
这个函数主要做了两件事： pad 和封装，因为在rnn模型中，一般先将batch中的数据按照一个时间步一个时间步喂入模型的，这个包的主要作用就是将按照样本堆叠的数据，抽取出时间步这个维度重新堆叠。
input： pad_sequence 的结果
length：batch 中各个句子的实际长度
batch_first: batch 是否在第一维，上面的例子指定为了True，意思是我们的输入数据第一维是batch。 一般放入lstm或者gru是需要时间步放在第一维的。
enforce_sorted：如果是 True ，则输入应该是按长度降序排序的序列。如果是 False ，会在函数内部进行排序。默认值为 True。
需要注意的是，默认条件下，我们必须把输入数据按照序列长度从大到小排列后才能送入 pack_padded_sequence ，否则会报错。
packed = pack_padded_sequence(seq, lens)
Traceback (most recent call last):
File "/Users/daxu/.conda/envs/py38/lib/python3.8/site-packages/IPython/core/interactiveshell.py", line 3441, in run_code
exec(code_obj, self.user_global_ns, self.user_ns)
File "" , line 1, in <module>
packed = pack_padded_sequence(seq, lens)
File "/Users/daxu/.conda/envs/py38/lib/python3.8/site-packages/torch/nn/utils/rnn.py", line 245, in pack_padded_sequence
_VF._pack_padded_sequence(input, lengths, batch_first)
RuntimeError: `lengths` array must be sorted in decreasing order when `enforce_sorted` is True. You can pass `enforce_sorted=False` to pack_padded_sequence and/or pack_sequence to sidestep this requirement if you do not need ONNX exportability.
2. pad_packed_sequence
seq_unpacked, lens_unpacked = pad_packed_sequence(packed, batch_first=True)
seq_unpacked
Out[55]:
tensor([[1, 2, 0],
[3, 0, 0],
[4, 5, 6]])
lens_unpacked
Out[56]: tensor([2, 1, 3])
pad_packed_sequence方法是pack_padded_sequence的逆操作
input：填充的可变长度序列批次。
batch_first：如果为 True ，输出将采用 B x T x * 格式。
padding_value：填充元素的值。
total_length：如果不是 None ，输出将被填充为长度为 total_length 。如果 total_length 小于 sequence 中的最大序列长度， sequence 方法将抛出 ValueError 。