Pytorch（二）torch.repeat

Pytorch（二）torch.repeat

前几天遇到了这个函数，感觉别人说的也不是特别清楚，记录一下

首先repeat是在原始张量上进行扩充的，然后我们再从维度的角度上去理解，第几个参数的值表示在的几维上根据原始张量进行扩充

import torch
 
x = torch.tensor([1, 2, 3])
print(x.shape)

# torch.Size([3])
print(x)

# tensor([1, 2, 3])
x1 = x.repeat(4)  # 相当于在第0个维度上扩张4次
print("x1.shape:", x1.shape)

# x1.shape: torch.Size([12])  得到了3*4，12维的张量
print("x1:", x1)

# x1: tensor([1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3])
x2 = x.repeat(3, 2)  
# 当有两个参数时，因为之前的x只有1维，现在扩张成2维，先在第0维扩张3次，再在第1维扩张2次，参考下图
print("x2.shape:", x2.shape)

# x2.shape: torch.Size([3, 6])
print('x2:', x2)

# x2: tensor([[1, 2, 3, 1, 2, 3],
#         [1, 2, 3, 1, 2, 3],
#         [1, 2, 3, 1, 2, 3]])

三维的我举个例子，假设单通道图片，我想复制成三通道的

import torch


img = torch.arange(4).reshape(2, -1)
print(img.shape) 
# torch.Size([2, 2])  H*W的图 2*2
print(img)
# tensor([[0, 1],
#         [2, 3]])
repeat_img = img.repeat(3, 1, 1)  # 相当于0维扩3次，1，2维不变
print(repeat_img.shape)

# torch.Size([3, 2, 2])  （C，H，W）
print(repeat_img)
# tensor([[[0, 1],
#          [2, 3]],
# 
#         [[0, 1],
#          [2, 3]],
# 
#         [[0, 1],
#          [2, 3]]])

参考：https://blog.csdn.net/weixin_41041772/article/details/123296659