PyTorch中Tensor的复制tensor.repeat()和repeat_interleave()区别

相同点：都是对Pytorch中tensor的复制。

区别：

1. repeat_interleave()：在原有的tensor上，按每一个tensor复制。

2. repeat()：根据原有的tensor复制n个，然后拼接在一起。

具体实例：
（主要通过对第一维度来说明函数）

import torch
a = torch.rand([3, 2])
# 对第一维度
print(a.repeat_interleave(2, dim=0))	# 复制后大小：【6，2】
print(a.repeat(2, 1))					# 复制后大小：【6，2】

# 对第二维度
print(a.repeat_interleave(2, dim=1))	# 复制后大小：【3，4】
print(a.repeat(1, 2))					# 复制后大小：【3，4】

- repeat_interleave(复制的次数, dim=复制的维度)

a.repeat_interleave(2, dim=0)

解释：在【3，2】上，按每一个维度tensor复制

- repeat(第一维度复制的次数, 第二维度复制的次数)

注意：repeat参数是根据tensor的维度确定，如果a=[3,2,1]，那就是repeat(dim0, dim1, dim2)

a.repeat(2, 1)

解释：保持原有的【3，2】复制2个，然后拼接在一起

对第二维度结果：