栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

Pytorch中torch.repeat()函数解析

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

Pytorch中torch.repeat()函数解析

一. torch.repeat()函数解析 1. 说明

官网:torch.tensor.repeat(),函数说明如下图所示:

2. 函数功能

torch.tensor.repeat()函数可以对张量进行重复扩充
1) 当参数只有两个时:(行的重复倍数,列的重复倍数),1表示不重复。
2) 当参数有三个时:(通道数的重复倍数,行的重复倍数,列的重复倍数),1表示不重复。

3. 代码例子如下:

3.1 输入一维张量,参数为一个,即表示在列上面进行重复n次

a = torch.randn(3)
a,a.repeat(4)
结果如下所示:
(tensor([ 0.81, -0.57,  0.10]),
 tensor([ 0.81, -0.57,  0.10,  0.81, -0.57,  0.10,  0.81, -0.57,  0.10,  0.81,
         -0.57,  0.10]))

3.2 输入一维张量,参数为两个(m,n),即表示先在列上面进行重复n次,再在行上面重复m次,输出张量为二维

a = torch.randn(3)
a,a.repeat(4,2)
(tensor([ 0.06, -0.76, -0.59]),
 tensor([[ 0.06, -0.76, -0.59,  0.06, -0.76, -0.59],
         [ 0.06, -0.76, -0.59,  0.06, -0.76, -0.59],
         [ 0.06, -0.76, -0.59,  0.06, -0.76, -0.59],
         [ 0.06, -0.76, -0.59,  0.06, -0.76, -0.59]]))

3.3 输入一维张量,参数为三个(b,m,n),即表示先在列上面进行重复n次,再在行上面重复m次,最后在通道上面重复b次,输出张量为三维

a = torch.randn(3)
a,a.repeat(3,4,2)
输出结果如下:
(tensor([2.25, 0.49, 1.47]),
 tensor([[[2.25, 0.49, 1.47, 2.25, 0.49, 1.47],
          [2.25, 0.49, 1.47, 2.25, 0.49, 1.47],
          [2.25, 0.49, 1.47, 2.25, 0.49, 1.47],
          [2.25, 0.49, 1.47, 2.25, 0.49, 1.47]],
 
         [[2.25, 0.49, 1.47, 2.25, 0.49, 1.47],
          [2.25, 0.49, 1.47, 2.25, 0.49, 1.47],
          [2.25, 0.49, 1.47, 2.25, 0.49, 1.47],
          [2.25, 0.49, 1.47, 2.25, 0.49, 1.47]],
 
         [[2.25, 0.49, 1.47, 2.25, 0.49, 1.47],
          [2.25, 0.49, 1.47, 2.25, 0.49, 1.47],
          [2.25, 0.49, 1.47, 2.25, 0.49, 1.47],
          [2.25, 0.49, 1.47, 2.25, 0.49, 1.47]]]))

3.4 输入二维张量,参数为两个(m,n),即表示先在列上面进行重复n次,再在行上面重复m次,输出张量为两维(注意参数个数必须大于输入张量维度个数)

a = torch.randn(3,2)
a,a.repeat(4,2)
输出结果如下:
(tensor([[-0.58, -1.21],
         [-0.35,  0.68],
         [ 0.33,  0.70]]),
 tensor([[-0.58, -1.21, -0.58, -1.21],
         [-0.35,  0.68, -0.35,  0.68],
         [ 0.33,  0.70,  0.33,  0.70],
         [-0.58, -1.21, -0.58, -1.21],
         [-0.35,  0.68, -0.35,  0.68],
         [ 0.33,  0.70,  0.33,  0.70],
         [-0.58, -1.21, -0.58, -1.21],
         [-0.35,  0.68, -0.35,  0.68],
         [ 0.33,  0.70,  0.33,  0.70],
         [-0.58, -1.21, -0.58, -1.21],
         [-0.35,  0.68, -0.35,  0.68],
         [ 0.33,  0.70,  0.33,  0.70]]))

3.5 输入二维张量,参数为三个(b,m,n),即表示先在列上面进行重复n次,再在行上面重复m次,最后在通道上面重复b次,输出张量为三维。(注意输出张量维度个数为参数个数)

a = torch.randn(3,2)
a,a.repeat(3,4,2)
输出结果如下:
(tensor([[-0.75,  1.20],
         [-1.50,  1.75],
         [-0.05,  0.40]]),
 tensor([[[-0.75,  1.20, -0.75,  1.20],
          [-1.50,  1.75, -1.50,  1.75],
          [-0.05,  0.40, -0.05,  0.40],
          [-0.75,  1.20, -0.75,  1.20],
          [-1.50,  1.75, -1.50,  1.75],
          [-0.05,  0.40, -0.05,  0.40],
          [-0.75,  1.20, -0.75,  1.20],
          [-1.50,  1.75, -1.50,  1.75],
          [-0.05,  0.40, -0.05,  0.40],
          [-0.75,  1.20, -0.75,  1.20],
          [-1.50,  1.75, -1.50,  1.75],
          [-0.05,  0.40, -0.05,  0.40]],
 
         [[-0.75,  1.20, -0.75,  1.20],
          [-1.50,  1.75, -1.50,  1.75],
          [-0.05,  0.40, -0.05,  0.40],
          [-0.75,  1.20, -0.75,  1.20],
          [-1.50,  1.75, -1.50,  1.75],
          [-0.05,  0.40, -0.05,  0.40],
          [-0.75,  1.20, -0.75,  1.20],
          [-1.50,  1.75, -1.50,  1.75],
          [-0.05,  0.40, -0.05,  0.40],
          [-0.75,  1.20, -0.75,  1.20],
          [-1.50,  1.75, -1.50,  1.75],
          [-0.05,  0.40, -0.05,  0.40]],
 
         [[-0.75,  1.20, -0.75,  1.20],
          [-1.50,  1.75, -1.50,  1.75],
          [-0.05,  0.40, -0.05,  0.40],
          [-0.75,  1.20, -0.75,  1.20],
          [-1.50,  1.75, -1.50,  1.75],
          [-0.05,  0.40, -0.05,  0.40],
          [-0.75,  1.20, -0.75,  1.20],
          [-1.50,  1.75, -1.50,  1.75],
          [-0.05,  0.40, -0.05,  0.40],
          [-0.75,  1.20, -0.75,  1.20],
          [-1.50,  1.75, -1.50,  1.75],
          [-0.05,  0.40, -0.05,  0.40]]]))
转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/943101.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号