torch.expand

再维度上进行扩展

下面展示两种用法：

1、扩展出新的一维，仅限于1维变2维

输入：

import torch
seqlen=5
x1 = torch.arange(seqlen).expand(4,5)
x2=torch.arange(seqlen).expand(4,-1)
print(x1)
print(x2)

输出：

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

从上面可以看出来，-1为数据本身的维度，是可以互相取代的

2、将维数为1的进行扩展

import torch
import numpy as np
x=torch.tensor(np.random.randint(10,size=(3,1,5)))
print(x)
y=x.expand(3,3,5)
print(y)

如上（3，1，5），将第二维进行扩展从1变成3

那么如果对维数不是1的进行扩展可以吗？

不可以

第一种情况其实是第二种情况的特殊版

[1,2,3,4,5],虽然是一维，但是相当于1*5，知识把前面的1省掉了