repeat 可以形象地理解为将已有的张量多次重复以组成 “分块矩阵”。
import torch """ Example 1 """ t = torch.arange(3) print(t.repeat((2, ))) # tensor([0, 1, 2, 0, 1, 2]) print(t.repeat((2, 2))) # tensor([[0, 1, 2, 0, 1, 2], # [0, 1, 2, 0, 1, 2]]) """ Example 2 """ t = torch.arange(4).reshape(2, 2) print(t.repeat((2, ))) # RuntimeError: Number of dimensions of repeat dims can not be smaller than number of dimensions of tensor print(t.repeat((2, 2))) # tensor([[0, 1, 0, 1], # [2, 3, 2, 3], # [0, 1, 0, 1], # [2, 3, 2, 3]]) print(t.repeat((2, 3, 4))) # tensor([[[0, 1, 0, 1, 0, 1, 0, 1], # [2, 3, 2, 3, 2, 3, 2, 3], # [0, 1, 0, 1, 0, 1, 0, 1], # [2, 3, 2, 3, 2, 3, 2, 3], # [0, 1, 0, 1, 0, 1, 0, 1], # [2, 3, 2, 3, 2, 3, 2, 3]], # # [[0, 1, 0, 1, 0, 1, 0, 1], # [2, 3, 2, 3, 2, 3, 2, 3], # [0, 1, 0, 1, 0, 1, 0, 1], # [2, 3, 2, 3, 2, 3, 2, 3], # [0, 1, 0, 1, 0, 1, 0, 1], # [2, 3, 2, 3, 2, 3, 2, 3]]])
可以看出要 repeat 的维度不能低于张量本身的维度。
torch.Tensor.tile大部分情况下，tile 与 repeat 的作用相同，如下：
""" Example 1 """ t = torch.arange(3) print(t.tile((2, ))) # tensor([0, 1, 2, 0, 1, 2]) print(t.tile((2, 2))) # tensor([[0, 1, 2, 0, 1, 2], # [0, 1, 2, 0, 1, 2]]) """ Example 2 """ t = torch.arange(4).reshape(2, 2) print(t.tile((2, ))) # tensor([[0, 1, 0, 1], # [2, 3, 2, 3]]) print(t.tile((2, 2))) # tensor([[0, 1, 0, 1], # [2, 3, 2, 3], # [0, 1, 0, 1], # [2, 3, 2, 3]]) print(t.tile((2, 3, 4))) # tensor([[[0, 1, 0, 1, 0, 1, 0, 1], # [2, 3, 2, 3, 2, 3, 2, 3], # [0, 1, 0, 1, 0, 1, 0, 1], # [2, 3, 2, 3, 2, 3, 2, 3], # [0, 1, 0, 1, 0, 1, 0, 1], # [2, 3, 2, 3, 2, 3, 2, 3]], # # [[0, 1, 0, 1, 0, 1, 0, 1], # [2, 3, 2, 3, 2, 3, 2, 3], # [0, 1, 0, 1, 0, 1, 0, 1], # [2, 3, 2, 3, 2, 3, 2, 3], # [0, 1, 0, 1, 0, 1, 0, 1], # [2, 3, 2, 3, 2, 3, 2, 3]]])
与 repeat 不同的是，当要重复的维度低于张量的维度时，tile 也能够处理，此时 tile 会使用前置 1 1 1 自动补齐维度。
torch.Tensor.repeat_interleave之前提到的 repeat 和 tile 都是重复整个张量，而这次的 repeat_interleave 则是重复张量中的元素。
参数如下：
torch.Tensor.repeat_interleave(repeats, dim=None)
- repeats：代表张量中每个元素将要重复的次数。可以为整数或张量；
- dim：决定了沿哪一个轴去重复数字。默认情况下会将输入展平再进行重复，最后输出展平的张量。
""" Example 1 """ t = torch.arange(3) print(t.repeat_interleave(repeats=3)) # tensor([0, 0, 0, 1, 1, 1, 2, 2, 2]) """ Example 2 """ t = torch.arange(4).reshape(2, 2) print(t.repeat_interleave(repeats=3)) # tensor([0, 0, 0, 1, 1, 1, 2, 2, 2, 3, 3, 3]) print(t.repeat_interleave(repeats=3, dim=0)) # tensor([[0, 1], # [0, 1], # [0, 1], # [2, 3], # [2, 3], # [2, 3]]) print(t.repeat_interleave(repeats=3, dim=1)) # tensor([[0, 0, 0, 1, 1, 1], # [2, 2, 2, 3, 3, 3]]) """ Example 3 """ t = torch.arange(4).reshape(2, 2) print(t.repeat_interleave(repeats=torch.tensor([2, 3]), dim=0)) # t的第一行重复2次，第2行重复3次 # tensor([[0, 1], # [0, 1], # [2, 3], # [2, 3], # [2, 3]]) print(t.repeat_interleave(repeats=torch.tensor([3, 2]), dim=1)) # t的第一列重复3次，第2列重复2次 # tensor([[0, 0, 0, 1, 1], # [2, 2, 2, 3, 3]])
