我有一个大小为 N*D 的 2D 张量 T，表示序列长度为 S 的 M 个文档的打包词嵌入（按顺序）。（即 sum(S)=N）
是否有最佳实践将其转换为大小为 M*Max(S)*D 且填充值为 V 的 3D 张量？（你可以假设 V=0.0）
我看到的两种方法
使用 torch.split 分割 2D 张量，然后使用 torch.nn.utils.rnn.pad_sequence 生成 T'
制作一个大小为 M*Max(S)*D 的张量 T' 并（使用循环）将每个维度填充为 T'[i,0:s(i),]=T[c(i):c(i +1)] 其中 c(i) 是 S 的部分和
我尝试查看 pad_packed_sequence 的代码，但它调用了另一种我找不到代码的方法。
原始张量采用这种形式用于 GraphNN，因此如果有需要这样做的方法，则更改排序并非不可能。