numpy和torch的repeat函数有大区别，小心混淆

打孔猿

已于 2022-03-24 22:40:51 修改

阅读量1k

点赞数

于 2022-03-24 22:39:34 首次发布

本文链接：https://blog.csdn.net/weixin_44562957/article/details/123723707

版权

深度学习专栏收录该内容

10 篇文章 2 订阅

订阅专栏

本文对比介绍了numpy和torch库中的repeat函数，详细解析了这两个函数的参数及使用方式。在numpy中，repeat函数接受两个参数，分别指定在哪个维度上重复元素；而在torch中，repeat函数则根据提供的维度数量进行元素重复，并且在不足的维度上自动补一。通过实例展示了repeat函数在数组和张量操作中的应用。

摘要由CSDN通过智能技术生成

首先是numpy的repeat函数

import numpy as np

# numpy的repeat有两个参数
# 参数1：代表重复次数
# 参数2：代表重复维度
x = np.array([[1,2]])
print(x.shape)  # (1, 2)
print(x.repeat(2,0).shape) #(2, 2)
print(x.repeat(3,1).shape) #(1, 6)

# 结果为：
# (1, 2)
# (2, 2)
# (1, 6)

然后是torch的repeat函数

import torch

# numpy的repeat参数量与本身维度有关
# 参数1：代表第一维重复次数
# 参数2：代表第二维重复次数
# 参数3：代表第三维重复次数
# 另外，repeat用四个参数操作一个三维张量时，会自动补维度,默认补到第一维
x = torch.tensor([[[1,2]],[[1,2]]])
print(x.shape)
print(x.repeat(1,1,1).shape)
print(x.repeat(3,2,1).shape)
print(x.repeat(3,2,1,1).shape)

# 结果为：
# torch.Size([2, 1, 2])
# torch.Size([2, 1, 2])
# torch.Size([6, 2, 2])
# torch.Size([3, 4, 1, 2])