Pytorch：处理多个功能和参数
我有大量的神经网络（这样我必须使用列表理解来产生它们），例如[f_1，f_2，f_3 ...]，由 f 共同表示。
我有参数 x = [x_1，x_2，x_3 ...]，因此输入张量x_i适用于网络f_i。由于数据，然后是梯度，我的张量很大。
是否有一种优雅的（且高效的）方法来获得序列[F_1（X_1），F_2（X_2），F_3（X_3）...]？
I have a large number of neural networks (such that I have to use list comprehension to produce them), say [f_1, f_2, f_3 ...], collectively denoted by F.
I have the argument X = [x_1, x_2, x_3 ...], such that input tensor x_i is intended for the network f_i. The tensors I have will be big, owing to the data and then the gradients.
Is there an elegant (and efficient) way of obtaining the sequence [f_1(x_1), f_2(x_2), f_3(x_3) ...]?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
您可以再次使用列表理解：
You could again use a list comprehension: