pytorch repeat() view()粗浅认识

今天碰到一个问题，一个矩阵，一行代表一个球的特征，现在要构建两两之间的关系，也就是形成一个新的矩阵，每行矩阵把两个球的特征拼接在一起。

抽象化一下，以一共(N=2)个球为例

# 已知：
[[x],
 [y]]    
# 得到：
[[x, x],
 [x, y],
 [y, x],
 [y, y]]

举个例子：

import torch
a = torch.arange(6).reshape((2,3))
a
#-----out
#tensor([[0, 1, 2],
#        [3, 4, 5]])

这个矩阵就代表有两(N=2)个球，(假设第一行为x球，第二行为y球)。看到的代码是:

torch.cat((a.repeat(1, N).view(N * N, -1), a.repeat(N, 1)), dim=1)

torch.repeat()

分步骤来看：torch.repeat()函数中的数字，代表该轴重复几次。对比以下两个步骤：

b1= a.repeat(1,N)
b1
#-----out
#tensor([[0, 1, 2, 0, 1, 2],
#        [3, 4, 5, 3, 4, 5]])

c= a.repeat(N,1)
c
#-----out
#tensor([[0, 1, 2],
#        [3, 4, 5],
#        [0, 1, 2],
#        [3, 4, 5]])

torch.view()

再来看torch.view()，对以上b1进行一些操作：

b = b1.view(N*N,-1)  # 因为是两两相互关系，也算上自身，所以会有N*N条数据
b
#-----out
# tensor([[0, 1, 2],
#         [0, 1, 2],
#         [3, 4, 5],
#         [3, 4, 5]])

为了更清楚 torch.view()是怎么工作的，在这个例子上，我们做一点改变：

b2 = b1.view(3,-1)  
b2
#-----out
# tensor([[0, 1, 2, 0],
#         [1, 2, 3, 4],
#         [5, 3, 4, 5]])

从这儿可以看出，torch.view() 在得到具体要的大小后，按照从上到下，从做到右的方法来取这一行需要有几个数字。

那么最后，对b,c进行拼接

torch.cat((b,c),dim=1)  # dim 指定拼接的轴
#-----out
# tensor([[0, 1, 2, 0, 1, 2],
#         [0, 1, 2, 3, 4, 5],
#         [3, 4, 5, 0, 1, 2],
#         [3, 4, 5, 3, 4, 5]])

最后实现了 球之间两两拼接。

[[x, x],
 [x, y],
 [y, x],
 [y, y]]