如何将多个PyTorch张量在最后一维补0至统一形状[1,512,350]

问题根源 #

你的原有代码存在两个核心错误，导致填充无效：

• 填充维度匹配错误：你的3维张量维度顺序为[批次, 通道, 长度]，需要填充的是最后一维（索引为2），但你给np.pad传入的填充规则仅作用于第0维，其余维度默认无填充，因此最后一维形状不会发生变化。
• 长度判断逻辑错误：len(x1)取的是张量第0维的大小（值为1），并非你需要的最后一维长度，正确的取值方式是x1.shape[-1]。

推荐解决方案：使用PyTorch原生填充接口 #

无需转换为NumPy数组，直接使用PyTorch自带的torch.nn.functional.pad接口即可高效完成填充，避免数据格式转换开销。
F.pad的pad参数按从最后一维向前匹配的规则生效，仅填充最后一维时只需传入最后一维的前后填充量即可。
代码示例：

import torch
import torch.nn.functional as F

# 定义目标最后一维长度
target_len = 350
# 待处理张量列表
tensors = [x1, x2, x3]
padded_tensors = []

for t in tensors:
    # 计算需要填充的长度
    pad_length = target_len - t.shape[-1]
    # 最后一维前补0个0，后补pad_length个0
    padded_t = F.pad(t, pad=(0, pad_length), mode="constant", value=0)
    padded_tensors.append(padded_t)

处理后所有张量的形状均为torch.Size([1, 512, 350])。

修正后的NumPy填充方案 #

如果你确实需要转NumPy实现填充，需要明确指定所有维度的填充规则：

import numpy as np

target_len = 350
x1_np = x1.numpy()
# 三个维度分别配置填充量：前两个维度无需填充，最后一维后补对应长度的0
pad_width = [(0, 0), (0, 0), (0, target_len - x1_np.shape[-1])]
x1_padded_np = np.pad(x1_np, pad_width=pad_width, mode="constant")
# 如需转回PyTorch张量，调用以下代码即可
x1_padded = torch.from_numpy(x1_padded_np)

内容的提问来源于stack exchange，提问作者Mohamed Nabih