我们使用填充使序列长度相同还有其他原因吗？
Is there any other reason why we make sequence length the same using padding?
我们使用填充使序列长度相同，还有其他原因吗？除了为了进行矩阵乘法（因此进行并行计算）。
这可能取决于您处理的具体情况。但总的来说，我对 RNN 进行零填充或任何类型的填充的唯一原因是使批量计算有效。此外，填充应该以不影响结果的方式进行。因此，它不应该有助于计算您将用于下游任务的隐藏状态计算。例如，您可以从 {t+1:T} 填充特定序列的末尾，但是对于进一步的任务或处理，我们应该只使用 h{0:t}
但是，如果您做的不是简单的 RNN（例如双向 RNN），则填充可能会很复杂。例如：对于正向，您将在末尾填充；对于反向，您将希望填充序列的前部。
即使是批处理或并行计算，pytorch 也有 packed sequences，这应该比填充 IMO 更快。
我们使用填充使序列长度相同，还有其他原因吗？除了为了进行矩阵乘法（因此进行并行计算）。
这可能取决于您处理的具体情况。但总的来说，我对 RNN 进行零填充或任何类型的填充的唯一原因是使批量计算有效。此外，填充应该以不影响结果的方式进行。因此，它不应该有助于计算您将用于下游任务的隐藏状态计算。例如，您可以从 {t+1:T} 填充特定序列的末尾，但是对于进一步的任务或处理，我们应该只使用 h{0:t}
但是，如果您做的不是简单的 RNN（例如双向 RNN），则填充可能会很复杂。例如：对于正向，您将在末尾填充；对于反向，您将希望填充序列的前部。
即使是批处理或并行计算，pytorch 也有 packed sequences，这应该比填充 IMO 更快。