pytorch 中 expand函数和 repeat函数的区别

最新推荐文章于 2024-05-27 17:16:40 发布
最新推荐文章于 2024-05-27 17:16:40 发布
阅读量274 收藏
点赞数
分类专栏： 机器学习 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_33694238/article/details/109589639
版权

pytorch 中 expand 和 repeat 的区别

 

可以参考https://zhuanlan.zhihu.com/p/58109107

 

再加以补充归纳：

expand 是修改了视图（view），而没有新建内存储存新的值，采用了广播（broadcast）机制。

repeat是按照维度复试了数据，新建了内存去储存新的值。

 

expand 中 -1代表不扩展维度

repeat中 1 代表不扩展维度

 

starhiking
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Pytorch基础 - 4. torch.expand() 和 torch.repeat()
Aaron_neil的博客
04-11 1651
在PyTorch中有两个函数可以用来扩展某一维度的张量，即 torch.expand() 和 torch.repeat()
pytorch 常用线性函数详解
12-23
Pytorch的线性函数主要封装了Blas和Lapack，其用法和接口都与之类似。 常用的线性函数如下： 函数 功能 trace 对角线元素之和（矩阵的迹） diag 对角线元素 triu/tril 矩阵的上三角/下三角，可指定偏移量 ...
pytorch torch.expand和torch.repeat的区别详解
09-18
主要介绍了pytorch torch.expand和torch.repeat的区别详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
一句话理解torch.expand()
weixin_42670810的博客
03-02 1万+
一句话理解torch.expand() 先看代码： x =torch.tensor([1,2,3,4]) x.shape torch.Size([4]) #x拓展一维，变1x4 x1 = x.expend(1,4) x1 tensor([[1, 2, 3, 4]]) x1.shape torch.Size([1, 4]) #x1拓展一维,增加2行，变2x4，多加的一行重复原值 x2 = x1.expend(2,1,4) x2 tensor([[[1, 2, 3, 4]], [[1, 2,
Pytorch基础:torch.expand() 和 torch.repeat()
@bangbang的博客
05-08 826
在torch中，如果要改变某一个tensor的维度，可以利用viewexpandrepeattranspose和permute等方法，这里对这些方法的一些容易混淆的地方做个总结。expand和repeat函数是pytorch中常用于进行张量数据复制和维度扩展的函数，但其工作机制差别很大，本文对这两个函数进行对比。
Pytorch 中 expand和repeat
ytusdc的博客
11-29 5243
在中，如果要改变某一个tensor的维度，可以利用view、expand、repeat、transpose和permute等方法，这里对这些方法的一些容易混淆的地方做个总结。​expand和repeat函数是pytorch中常用于进行张量数据复制和维度扩展的函数，但其工作机制差别很大，本文对这两个函数进行对比。expand()对应位置可写上原始维度大小或直接写作-1；expand函数用于将张量中单数维的数据扩展到指定的size。
【Pytorch】torch.expand（）函数解析
...
03-29 3690
x = torch.Tensor([[1], [2]]) print(x.size()) print(x) y=x.expand(2,10) print(x.size()) y.size() #输出 torch.Size([2, 1]) tensor([[1.], [2.]]) torch.Size([2, 1]) torch.Size([2, 10]) 尝试修改x的第一个元素，并打印查看效果 x[0]=-1 x #输出 tensor([[-1.], [ 2.]]) 随
PyTorch中常用的激活函数的方法示例
09-18
主要介绍了PyTorch中常用的激活函数的方法示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
使用Pytorch来拟合函数方式
09-18
总结来说，使用PyTorch拟合函数的关键步骤包括：定义网络结构（包括参数和前向传播），选择损失函数和优化器，以及训练循环中的前向传播、损失计算、反向传播和参数更新。通过这个过程，我们可以有效地利用PyTorch的...
Pytorch丨expand函数
yufanwenshu的博客
11-15 3923
Pytorch中expand函数的用法。
pytorch中的expand（）和expand_as（）函数
weixin_39504171的博客
05-13 2万+
pytorch中的expand（）和expand_as（）函数 1.expand（）函数： （1）函数功能： expand（）函数的功能是用来扩展张量中某维数据的尺寸，它返回输入张量在某维扩展为更大尺寸后的张量。 扩展张量不会分配新的内存，只是在存在的张量上创建一个新的视图（关于张量的视图可以参考博文：由浅入深地分析张量），而且原始tensor和处理后的tensor是不共享内存的。 expand()函数...
Pytorch函数expand（）详解
热门推荐
weixin_43994864的博客
05-20 3万+
Pytorch函数 .expand( ) 其将单个维度扩大成更大维度，返回一个新的tensor，具体看下例： import torch a = torch.Tensor([[1], [2], [3],[4]]) # 未使用expand（）函数前的a print('a.size: ', a.size()) print('a: ', a) b = a.expand(4, 2) # 使用expand（）函数后的输出 print('a.size: ', a.size()) print('a: ', a) pri
pytorch 中 expand （）函数
weixin_46088099的博客
06-28 6625
pytorch expand函数
torch.expand和torch.repeat的区别详解
qq_38335768的博客
03-01 5554
repeat expand
torch.expand()函数用法
thy0000的博客
10-24 1264
如果需要复制数据以创建新张量，可以使用 `torch.clone()` 或 `torch.copy()`。此外，要进行广播操作，通常可以直接使用运算符（例如 `+`，`*`），PyTorch 会自动执行广播，无需显式使用 `torch.expand()`。如果需要真正的数据复制，您可以使用 `torch.clone()` 或 `torch.copy()` 等操作。`torch.expand()` 主要用于扩展张量的维度以匹配目标形状，但还可以使用不同的参数来改变其行为，以满足其他需求。
torch expand
luoganttcc的博客
06-15 834
expand 就是对那个维度为一的进行扩张 import torch a=torch.tensor([[3.0000, 3.0000], [3.0000, 4.0000], [3.6000, 3.0000], [3.5000, 3.0000]]) a1=a.reshape([a.shape[0],a.shape[1] ,1]) #a1.shape==[4, 2, 1] #对那个维度为一的进行扩张 a2=a1.expand([4,2,9]) prin
【PyTorch基础】——expand(）和expand_as()
retainenergy的博客
12-08 2420
返回输入张量在某维扩展为更大尺寸后的张量，且原始tensor和扩展后tensor不共享内存。括号中输入参数为指定经过维度尺寸扩展后的张量的size。expand（）函数只能将size=1的维度扩展到更大的尺寸，如果扩展其他size（）的维度会报错。（如下：示例三）
【python深度学习】——torch.expand()广播机制|torch.norm()
最新发布
steptoward的博客
05-27 641
如果尝试在一个不是 1 的维度上进行扩展，会引发错误。因此我们先用unsqueeze函数在目标位置上进行dim=1的扩充, 再进行expand。在处理3D点云时, 有时需要对两帧点云进行逐点的三维坐标相加减、做点积等运算, 但是读入的PCD文件中,点云数量并不一定是相等的。那么首要的一个问题就是, 如何将两帧点云处理成大小相同的矩阵然后进行计算?torch.norm()是 PyTorch 中用于计算张量范数的函数,expand函数只能在原始。
pytorch expand repeat区别
09-16
PyTorch中的`expand`和`repeat`都是用于改变张量的形状的函数，但它们有一些区别。 `expand`函数用于扩展一个张量的形状，通过复制数据来填充新的维度。它不会增加张量的内存占用，只是以新的形状提供一个视图。`expand`函数接受一个参数，即新形状，可以是一个元组或可广播的形状。这个参数用于指定需要扩展的维度的大小。需要注意的是，`expand`函数并不会真正复制数据，所以对扩展张量的修改也会反映到原始张量上。 `repeat`函数则是通过重复复制张量的元素来改变形状。它会增加张量的内存占用，并且会创建一个新的张量。`repeat`函数接受一个参数，即每个维度上的重复次数。这个参数可以是一个元组，或者是单个整数（当使用单个整数时，所有维度都将重复相同次数）。通过传递不同的参数，我们可以将张量中的元素在某个维度上重复多次。需要注意的是，`repeat`函数会真正复制数据，所以对重复张量的修改不会影响到原始张量。 总结起来，`expand`函数通过复制数据来扩展形状，仅提供一个视图，不会复制数据，可以节省内存。而`repeat`函数通过重复复制元素来改变形状，会创建新的张量，会复制数据并增加内存占用。根据具体的需求，我们可以选择使用 `expand` 或 `repeat` 来改变张量的形状。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值