torch.repeat()

2023/01/09 更新

PyTorch中的repeat()函数可以对张量进行重复扩充。

首先，repeat（）中的参数个数需 >=  tensor 维度，不然会报错

a: tensor([[[ 0,  1,  2],
         [ 3,  4,  5]],

        [[ 6,  7,  8],
         [ 9, 10, 11]]])
a.shape: torch.Size([2, 2, 3])


Traceback (most recent call last):
  File "./python_test.py", line 26, in <module>
    b = a.repeat(1,2)
RuntimeError: Number of dimensions of repeat dims can not be smaller than number of dimensions of tensor

当参数只有两个时：（行的倍数，列的倍数）， 此时通道数倍数为1，表示不重复扩充。

当参数有三个时：（通道数的倍数，行的倍数，列的倍数）。

直接将repeat参数对应乘上原tensor的shape就得到最终的shape，如：
shape(2,3) * repeat(1,2) = shape(2,6)  //channel = 1

shape(2,3) * repeat(2,2,1) = shape(2,4,3)  // shape(2,3) 可看作shape(1,2.3)

a: tensor([[0, 1, 2],
        [3, 4, 5]])
a.shape: torch.Size([2, 3])


b = a.repeat(1,2)
b: tensor([[0, 1, 2, 0, 1, 2],
        [3, 4, 5, 3, 4, 5]])
b.shape: torch.Size([2, 6])


c = a.repeat(2,2,1)
c: tensor([[[0, 1, 2],
         [3, 4, 5],
         [0, 1, 2],
         [3, 4, 5]],

        [[0, 1, 2],
         [3, 4, 5],
         [0, 1, 2],
         [3, 4, 5]]])
c.shape: torch.Size([2, 4, 3])