pytorch中repeat()函数理解

pytorch中repeat()函数理解

最近在学习过程中遇到了repeat()函数的使用，这里记录一下自己对这个函数的理解。

情况1：repeat参数个数与tensor维数一致时

a = torch.tensor([[1, 2, 3],
                  [1, 2, 3]])
b = a.repeat(2, 2)
print(b.shape)

运行结果：

即repeat的参数是对应维度的复制个数，上段代码为0维复制两次，1维复制两次，则得到以上运行结果。其余扩展情况依此类推

情况2：repeat参数个数与tensor维数不一致时

# a形状(2,3)
a = torch.tensor([[1, 2, 3],
                  [1, 2, 3]])
# repeat参数比维度多，在扩展前先讲a的形状扩展为(1,2,3)然后复制
b = a.repeat(1, 2, 1)
print(b.shape)  # 得到结果torch.Size([1, 4, 3])

首先在第0维扩展一个维度，维数为1，然后按照参数指定的次数进行复制

# a形状(2,3)
a = torch.tensor([[1, 2, 3],
                  [1, 2, 3]])
# repeat参数比维度多，在扩展前先讲a的形状扩展为(1,2,3)然后复制
b = a.repeat(1, 1, 2)
print(b.shape)  # 得到结果torch.Size([1, 2, 6])

# a形状(2,3)
a = torch.tensor([[1, 2, 3],
                  [1, 2, 3]])
# repeat参数比维度多，在扩展前先讲a的形状扩展为(1,2,3)然后复制
b = a.repeat(2, 1, 1)
print(b.shape)  # 得到结果torch.Size([2, 2, 3])

以上演示可以看到，在参数个数大于原tensor维度个数时，总是先在第0维扩展一个维数为1的维度，然后按照参数指定的复制次数进行复制。计算输出的形状时，可以按照 对应参数*对应维度维数 得到结果