如何强制pad_sequence将PyTorch张量填充到指定固定长度

单张量补零方法 #

直接用torch.nn.functional.pad即可实现任意一维张量补零到指定长度，适配所有初始长度，同时支持超长裁剪：

import torch
import torch.nn.functional as F

def pad_tensor_to_fixed_len(tensor: torch.Tensor, target_len: int, pad_val: int = 0) -> torch.Tensor:
    cur_len = tensor.size(0)
    # 长度超过目标时裁剪前target_len位，可按需修改为裁剪后段
    if cur_len >= target_len:
        return tensor[:target_len]
    # pad参数顺序为(维度0左侧补数, 维度0右侧补数)，一维张量默认在末尾补零
    return F.pad(tensor, (0, target_len - cur_len), value=pad_val)

调用示例：

# 输入长度为44的张量
x = torch.randn(44)
x_padded = pad_tensor_to_fixed_len(x, 50)
print(x_padded.shape) # 输出 torch.Size([50])

配合pad_sequence实现固定长度批次填充 #

你提到的提前补长某一张量的方案完全可行，操作步骤如下：

1. 生成所有待处理的可变长度张量列表
2. 任选列表中一个张量，调用上述补零方法补到目标长度
3. 直接调用pad_sequence处理整个列表，最终输出的所有张量长度都会对齐到目标长度

更稳妥的全量处理方案（避免遗漏特殊情况）：

from torch.nn.utils.rnn import pad_sequence

target_len = 50
tensor_list = [torch.randn(32), torch.randn(38), torch.randn(44)]
# 先将所有张量处理为不超过目标长度
processed_list = [pad_tensor_to_fixed_len(t, target_len) for t in tensor_list]
# pad_sequence自动对齐，最终输出长度固定为target_len
batch_padded = pad_sequence(processed_list, batch_first=True)
print(batch_padded.shape) # 输出 torch.Size([3, 50])

多维张量适配说明 #

如果你的张量是二维序列（比如形状为[序列长度, 特征维度]），只需调整pad参数的维度顺序即可（pad参数从最后一个维度往前匹配）：

def pad_2d_sequence(tensor: torch.Tensor, target_len: int, pad_val: int = 0) -> torch.Tensor:
    cur_len = tensor.size(0)
    if cur_len >= target_len:
        return tensor[:target_len, :]
    # 最后一个维度（特征维度）补0个，倒数第二个维度（序列长度维度）末尾补 target_len - cur_len个
    return F.pad(tensor, (0, 0, 0, target_len - cur_len), value=pad_val)

内容的提问来源于stack exchange，提问作者eljiwo