torch.repeat()与numpy.repeat()和 numpy.tile()比较

torch和numpy的repeat比较

总结：
（1）np.repeat() 用来重复数组元素，重复的元素放在原元素的临近位置。
（2）torch.repeat()和np.tile()函数类似，是将整个数组进行复制而非数组元素重复指定的次数。

参考文献： Python 高手修炼之道 数据处理与机器学习实战 许向武 著

import torch
import numpy as np

### np.repeat()
na = np.array([0, 1, 2, 3, 4])
print('na')
print(na)
# b = np.repeat(a, 3) # 重复一维数组元素3次
nb=na.repeat(3)
print('nb')
print(nb)

# na
# [0 1 2 3 4]
# nb
# [0 0 0 1 1 1 2 2 2 3 3 3 4 4 4]

### ta.repeat()
ta = torch.tensor([0, 1, 2, 3, 4])
print('ta')
print(ta)
tb=ta.repeat(3) # 重复一维数组整体3次
print('tb')
print(tb)

# ta
# tensor([0, 1, 2, 3, 4])
# tb
# tensor([0, 1, 2, 3, 4, 0, 1, 2, 3, 4, 0, 1, 2, 3, 4])

na=np.array([[1,2,3],[4,5,6]])
print('na')
print(na)
nb=np.repeat(na,3) # 重复二维数组元素3次，不指定轴（将整个数组的元素进行复制，）
print('nb')
print(nb)
nc=np.repeat(na,3,axis=0) # 重复二维数组元素3次，指定0轴 （将0轴维度长度上的元素进行复制）
print('nc')
print(nc)
nd=np.repeat(na,3,axis=1)  # 重复二维数组元素3次，指定1轴 （将1轴维度长度上的元素进行复制）
print('nd')
print(nd)

# na
# [[1 2 3]
#  [4 5 6]]
# nb
# [1 1 1 2 2 2 3 3 3 4 4 4 5 5 5 6 6 6]
# nc
# [[1 2 3]
#  [1 2 3]
#  [1 2 3]
#  [4 5 6]
#  [4 5 6]
#  [4 5 6]]
# nd
# [[1 1 1 2 2 2 3 3 3]
#  [4 4 4 5 5 5 6 6 6]]
# #


### np.tile()
tile的原意是铺地砖或贴墙砖，总之是把一块一块的地砖或墙砖，一排一排一列一列的排列整齐。tile()函数也是如此，它将整个数组而非数组元素水平和垂直重复指定的次数。没有axis参数。
import numpy as np

na = np.array([[1, 2, 3], [5, 6, 7]])
print('na')
print(na)

nb = np.tile(na, 3)  # 从最后维度对齐，重复对应维度上的元素整体指定的次数
print('nb')
print(nb)

nc = np.tile(na, (2, 3))  # 从最后维度对齐，重复对应维度上的元素整体指定的次数
print('nc')
print(nc)

nd = np.tile(na, (2, 2, 3))  # 从最后维度对齐，重复对应维度上的元素整体指定的次数
print('nd')
print(nd)

# na
# [[1 2 3]
#  [5 6 7]]
# nb
# [[1 2 3 1 2 3 1 2 3]
#  [5 6 7 5 6 7 5 6 7]]
# nc
# [[1 2 3 1 2 3 1 2 3]
#  [5 6 7 5 6 7 5 6 7]
#  [1 2 3 1 2 3 1 2 3]
#  [5 6 7 5 6 7 5 6 7]]
# nd
# [[[1 2 3 1 2 3 1 2 3]
#   [5 6 7 5 6 7 5 6 7]
#   [1 2 3 1 2 3 1 2 3]
#   [5 6 7 5 6 7 5 6 7]]
# 
#  [[1 2 3 1 2 3 1 2 3]
#   [5 6 7 5 6 7 5 6 7]
#   [1 2 3 1 2 3 1 2 3]
#   [5 6 7 5 6 7 5 6 7]]]


### ta.repeat()
ta=torch.tensor([[1,2,3],[4,5,6]])
print('ta')
print(ta)
tb=ta.repeat(3,3) # 维度从后面对齐
print('tb')
print(tb)
tc=ta.repeat(2,2)  # 维度从后面对齐
print('tc')
print(tc)
td=ta.repeat(3,2,2) # 维度从后面对齐
print('td')
print(td)

# ta
# tensor([[1, 2, 3],
#         [4, 5, 6]])
# tb
# tensor([[1, 2, 3, 1, 2, 3, 1, 2, 3],
#         [4, 5, 6, 4, 5, 6, 4, 5, 6],
#         [1, 2, 3, 1, 2, 3, 1, 2, 3],
#         [4, 5, 6, 4, 5, 6, 4, 5, 6],
#         [1, 2, 3, 1, 2, 3, 1, 2, 3],
#         [4, 5, 6, 4, 5, 6, 4, 5, 6]])
# tc
# tensor([[1, 2, 3, 1, 2, 3],
#         [4, 5, 6, 4, 5, 6],
#         [1, 2, 3, 1, 2, 3],
#         [4, 5, 6, 4, 5, 6]])
# td
# tensor([[[1, 2, 3, 1, 2, 3],
#          [4, 5, 6, 4, 5, 6],
#          [1, 2, 3, 1, 2, 3],
#          [4, 5, 6, 4, 5, 6]],
# 
#         [[1, 2, 3, 1, 2, 3],
#          [4, 5, 6, 4, 5, 6],
#          [1, 2, 3, 1, 2, 3],
#          [4, 5, 6, 4, 5, 6]],
# 
#         [[1, 2, 3, 1, 2, 3],
#          [4, 5, 6, 4, 5, 6],
#          [1, 2, 3, 1, 2, 3],
#          [4, 5, 6, 4, 5, 6]]])