torch.repeat_interleave()与tensor.repeat()——数组的重复

torch.repeat_interleave()与 tensor.repeat()——数组的重复

torch.repeat_interleave()

torch.repeat_interleave(input, repeats, dim=None) → Tensor

功能：沿着指定的维度重复数组的元素

输入：

• input：指定的数组
• repeats：每个元素重复的次数，可以是张量或者是数组
• dim：指定的维度

注意：

• 如果不指定dim，则默认将输入数组扁平化(维数是1，因此这时repeats必须是一个数，不能是数组)，并且返回一个扁平化的输出数组

• 返回的数组与输入数组维数相同，并且除了给定的维度dim，其他维度大小与输入数组相应维度大小相同

• repeats：如果传入数组，则必须是tensor格式。并且只能是一维数组，数组长度与输入数组input的dim维度大小相同，输入数组的具体意义如下：
  $$\begin{gathered} 如果repeats=[n_1,n_2,\dots ,n_m],则输出[x_1,x_1,\dots ,x_1,x_2,x_2,\dots ,x_m] \\ 其中，x_1重复n_1次，x_2重复n_2次，x_m重复n_m次 \end{gathered}$$

案例代码

一般用法

import torch
a=torch.arange(10).view(2,5)
b=torch.repeat_interleave(a,3,dim=0)
c=torch.repeat_interleave(a,3,dim=1)
print(a)
print(b)
print(c)
print(a.shape)
print(b.shape)
print(c.shape)

输出

# 原数组
tensor([[0, 1, 2, 3, 4],
        [5, 6, 7, 8, 9]])
# 沿第一维度重复后的数组
tensor([[0, 1, 2, 3, 4],
        [0, 1, 2, 3, 4],
        [0, 1, 2, 3, 4],
        [5, 6, 7, 8, 9],
        [5, 6, 7, 8, 9],
        [5, 6, 7, 8, 9]])
# 沿第二维度重复后的数组
tensor([[0, 0, 0, 1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4],
        [5, 5, 5, 6, 6, 6, 7, 7, 7, 8, 8, 8, 9, 9, 9]])
# 原数组形状
torch.Size([2, 5])
# 沿第一维度重复后的形状
torch.Size([6, 5])
# 沿第二维度重复后的形状
torch.Size([2, 15])

当不指定dim时

import torch
a=torch.arange(10).view(2,5)
b=torch.repeat_interleave(a,2)
print(a)
print(b)

输出

# 原数组
tensor([[0, 1, 2, 3, 4],
        [5, 6, 7, 8, 9]])
# 不指定dim时重复两次
tensor([0, 0, 1, 1, 2, 2, 3, 3, 4, 4, 5, 5, 6, 6, 7, 7, 8, 8, 9, 9])

当repeats为数组格式时

import torch
a=torch.arange(10).view(2,5)
b=torch.repeat_interleave(a,torch.tensor([2,3]),dim=0)
print(a)
print(b)

输出

# 原数组
tensor([[0, 1, 2, 3, 4],
        [5, 6, 7, 8, 9]])
# 第一行重复两次，第二行重复三次
tensor([[0, 1, 2, 3, 4],
        [0, 1, 2, 3, 4],
        [5, 6, 7, 8, 9],
        [5, 6, 7, 8, 9],
        [5, 6, 7, 8, 9]])

如果repeats为数组，但是大小和输入的dim大小不匹配，则会报错

import torch
a=torch.arange(10).view(2,5)
b=torch.repeat_interleave(a,torch.tensor([2,3]),dim=1)
print(a)
print(b)

输出报错，RuntimeError：

---------------------------------------------------------------------------
RuntimeError                              Traceback (most recent call last)
<ipython-input-18-c8f2c85e38df> in <module>
      1 import torch
      2 a=torch.arange(10).view(2,5)
----> 3 b=torch.repeat_interleave(a,torch.tensor([2,3]),dim=1)
      4 print(a)
      5 print(b)

RuntimeError: repeats must have the same size as input along dim

torch.Tensor.repeat()

Tensor.repeat(*sizes) → Tensor

功能：沿每个维度重复张量数组

输入：

• sizes：沿每个维度重复此张量的次数

注意：

• sizes长度必须大于等于被重复数组tensor的维数(如果tensor的维数是2，则sizes就必须大于等于2)

代码案例

import torch
a=torch.arange(10).view(2,5)
b=a.repeat(2,3,2)
print(a)
print(b)
print(a.shape)
print(b.shape)

输出

# 原数组
tensor([[0, 1, 2, 3, 4],
        [5, 6, 7, 8, 9]])
# 重复后的数组
tensor([[[0, 1, 2, 3, 4, 0, 1, 2, 3, 4],
         [5, 6, 7, 8, 9, 5, 6, 7, 8, 9],
         [0, 1, 2, 3, 4, 0, 1, 2, 3, 4],
         [5, 6, 7, 8, 9, 5, 6, 7, 8, 9],
         [0, 1, 2, 3, 4, 0, 1, 2, 3, 4],
         [5, 6, 7, 8, 9, 5, 6, 7, 8, 9]],

        [[0, 1, 2, 3, 4, 0, 1, 2, 3, 4],
         [5, 6, 7, 8, 9, 5, 6, 7, 8, 9],
         [0, 1, 2, 3, 4, 0, 1, 2, 3, 4],
         [5, 6, 7, 8, 9, 5, 6, 7, 8, 9],
         [0, 1, 2, 3, 4, 0, 1, 2, 3, 4],
         [5, 6, 7, 8, 9, 5, 6, 7, 8, 9]]])
# 原数组形状
torch.Size([2, 5])
# 重复后的数组形状
torch.Size([2, 6, 10])

如果sizes长度小于tensor的维数，则会报错

import torch
a=torch.arange(10).view(2,5)
b=a.repeat(2)

输出报错

---------------------------------------------------------------------------
RuntimeError                              Traceback (most recent call last)
<ipython-input-33-19a278098c7c> in <module>
      1 import torch
      2 a=torch.arange(10).view(2,5)
----> 3 b=a.repeat(2)

RuntimeError: Number of dimensions of repeat dims can not be smaller than number of dimensions of tensor

区别

两个函数方法最大的区别就是repeat_interleave是一个元素一个元素地重复，而repeat是一组元素一组元素地重复

官方文档

torch.repeat_interleave():https://pytorch.org/docs/stable/generated/torch.repeat_interleave.html#torch.repeat_interleave

torch.tensor.repeat():https://pytorch.org/docs/stable/generated/torch.Tensor.repeat.html#torch.Tensor.repeat

点个赞支持一下吧