torch.repeat()、torch.repeat_interleave()和torch.expand()

chenxi yan

已于 2023-05-06 19:13:04 修改

阅读量706

点赞数 2

分类专栏： PyTorch 学习文章标签：深度学习 pytorch python

于 2023-05-06 19:12:54 首次发布

本文链接：https://blog.csdn.net/qq_43148788/article/details/130532576

版权

PyTorch 学习专栏收录该内容

8 篇文章 0 订阅

订阅专栏

文章介绍了PyTorch中用于复制张量元素的三个函数：repeat_interleave可以在指定轴上重复张量元素，repeat用于整行或整列复制，而expand则返回张量的一个扩容视图。通过实例展示了各函数的用法和参数含义。

摘要由CSDN通过智能技术生成

1. torch.repeat_interleave(input, repeats, dim=None) 该函数用来复制张量元素

参数
– input：输入张量
– repeats：对张量的每个元素复制的次数，通过广播机制实现，可以是int类型，也可以是张量类型。指定每行的复制次数。
– dim：指定对哪个轴上的元素进行复制，默认将输入数组展开复制并返回一个展开后的输出数组

1.1 不指定轴

a = torch.tensor([[1, 2, 3], [4, 5, 6]])
a.repeat_interleave(2)
# tensor([1, 1, 2, 2, 3, 3, 4, 4, 5, 5, 6, 6])

1.2 指定轴

1.2.1 按行

a = torch.tensor([[1, 2, 3], [4, 5, 6]])
a.repeat_interleave(2, 1)
# tensor([[1, 1, 2, 2, 3, 3],
#        [4, 4, 5, 5, 6, 6]])

1.2.2 按列

a = torch.tensor([[1, 2, 3], [4, 5, 6]])
a.repeat_interleave(2, 0)
tensor([[1, 2, 3],
        [1, 2, 3],
        [4, 5, 6],
        [4, 5, 6]])

1.3 使用张量指定行的复制次数

aa = torch.tensor([[1, 2], [3, 4], [5, 6]])
torch.repeat_interleave(aa, torch.tensor([3, 2, 2]), dim=0)
tensor([[1, 2],
        [1, 2],
        [1, 2],
        [3, 4],
        [3, 4],
        [5, 6],
        [5, 6]])

2 torch.repeat(*sizes) 整行/整列复制

例子一

bb = torch.tensor([1, 2, 3])
bb.repeat(4, 2)
tensor([[1, 2, 3, 1, 2, 3],
        [1, 2, 3, 1, 2, 3],
        [1, 2, 3, 1, 2, 3],
        [1, 2, 3, 1, 2, 3]])

例子二

cc = bb.repeat(4, 2, 1)
cc.shape  # (4, 2, 3)
tensor([[[1, 2, 3],
         [1, 2, 3]],

        [[1, 2, 3],
         [1, 2, 3]],

        [[1, 2, 3],
         [1, 2, 3]],

        [[1, 2, 3],
         [1, 2, 3]]])

3. torch.expand(*sizes)

返回原张量扩容后的一个新的视图

例子一

x = torch.tensor([[1], [2], [3]])
x.size()  # (3, 1)
b = x.expand(3, 4)  # 等价于x.expand(-1, 4), -1 代表不变
tensor([[1, 1, 1, 1],
        [2, 2, 2, 2],
        [3, 3, 3, 3]])