pytorch之repeat尽可能全方位的理解

1.不增加维度的情况

b=torch.arange(6).view(2,3)
tensor([[0, 1, 2],
        [3, 4, 5]])
b=b.repeat(2,3)
tensor([[0, 1, 2, 0, 1, 2, 0, 1, 2],
        [3, 4, 5, 3, 4, 5, 3, 4, 5],
        [0, 1, 2, 0, 1, 2, 0, 1, 2],
        [3, 4, 5, 3, 4, 5, 3, 4, 5]])

• 分析：repeat的参数从右到左，tensor从里到外
  • 首先是最里层括号内的内容重复3遍，变成

    tensor([[0, 1, 2,0, 1, 2,0, 1, 2],
            [3, 4, 5,3, 4, 5,3, 4, 5]])
    

  • 然后第二里层括号内的内容重复2遍，变成

    tensor([[0, 1, 2,0, 1, 2,0, 1, 2],
            [3, 4, 5,3, 4, 5,3, 4, 5],
            [0, 1, 2,0, 1, 2,0, 1, 2],
            [3, 4, 5,3, 4, 5,3, 4, 5]])
    

2.增加维度的情况

a=torch.arange(3)
tensor([0, 1, 2])
a=a.repeat(2,1)
tensor([[0, 1, 2],
        [0, 1, 2]])
a=a.repeat(1,2)
tensor([[0, 1, 2, 0, 1, 2]])

• 分析：repeat的参数从右到左，tensor从里到外
  • 首先是最里层括号内的内容重复1遍，也就是不变
  • 然后在最外面加一层括号，变成tensor([[0, 1, 2]])第二里层括号内的内容重复2遍，变成

    tensor([[0, 1, 2],
            [0, 1, 2]])
    

  • a.repeat(1,2)读者自己分析一下

3.如果2中的情况想要[0,0,0…1,1,1…2,2,2…]的结果呢

a=torch.arange(3)
tensor([0, 1, 2])
a=a.view(3,1)
tensor([[0],
        [1],
        [2]])
a=a.repeat(1,5)
tensor([[0, 0, 0, 0, 0],
        [1, 1, 1, 1, 1],
        [2, 2, 2, 2, 2]])
# 再repeat一下就是yolov3需要的方式了
a=a.repeat(3,1)
tensor([[0, 0, 0, 0, 0],
        [1, 1, 1, 1, 1],
        [2, 2, 2, 2, 2],
        [0, 0, 0, 0, 0],
        [1, 1, 1, 1, 1],
        [2, 2, 2, 2, 2],
        [0, 0, 0, 0, 0],
        [1, 1, 1, 1, 1],
        [2, 2, 2, 2, 2]])

4.留着补充新的情况