如何将单个torch.Tensor转换为包含多个tensor元素的列表

假设你提到的P1是一维张量（形状为(60,)），拆分后每个列表元素为单个值的张量，可通过以下几种常用方式实现：

• 方法1：使用torch.unbind()（最高效，官方推荐）
  unbind会按指定维度直接将张量拆分为张量元组，转列表即可得到目标结果：

import torch

# 示例构造60长度的一维张量
P1 = torch.randn(60)
# 按第0维拆分后转列表
tensor_list = list(torch.unbind(P1))

# 验证结果
print(len(tensor_list)) # 输出 60
print(isinstance(tensor_list[0], torch.Tensor)) # 输出 True

如果是更高维度的张量，比如形状为(60, 3)需要拆分为60个形状为(3,)的张量，指定维度参数即可：list(torch.unbind(P1, dim=0))

• 方法2：列表推导式遍历
  如果需要对拆分后的单个张量做自定义处理，这种写法更灵活：

tensor_list = [P1[i] for i in range(P1.size(0))]

该方法输出结果和unbind完全一致。

• 方法3：使用torch.split()拆分
  指定每个拆分块的大小为1即可，输出为张量元组，直接转列表即可：

# 拆分后每个张量形状为(1,)，如果需要标量张量可额外加squeeze操作
tensor_list = list(torch.split(P1, split_size_or_sections=1))
# 若要得到标量张量写法如下
tensor_list = [t.squeeze(0) for t in torch.split(P1, 1)]

注意：如果原始张量存储在GPU上，拆分得到的所有张量也会保留在GPU显存中，无需额外做设备迁移操作。

内容的提问来源于stack exchange，提问作者Saran Zeb