在torch中，如果要改变某一个tensor的维度，可以利用view、expand、repeat、transpose和permute等方法，这里对这些方法的一些容易混淆的地方做个总结。

expand和repeat

关于expand，例子如下：

a = torch.tensor([[[1, 2, 3]]])
a.shape
>> torch.size([1, 1, 3])b = a.expand(2, 1, 3)  # 该处的3对应a中3个数字，需要匹配，而由于其他维度没有数据体现，所以维度可以随意改变
b = a.expand(123, 2, 2421, 3)
b.shape
>> torch.size([123, 2, 2421, 3])
b = a.expand(532, 123, 1, 213, -1)  # 当某一维度为-1时，表示维持原维度数据不变
b = a.expand(2, 3)  # 这是错误的，需要对每个维度的数据扩增进行指示，只能大于或等于原数据维度，不可小于a = torch.tensor([[[1, 2, 3], [1, 2, 3]]])
a.shape
>> torch.size([1, 2, 3])
b = a.expand(2, 1, 3)  # 错误a = torch.tensor([[[1, 2, 3]], [[1, 2, 3]]])
a.shape
>> torch.size([2, 1, 3])
b = a.expand(10, 4, 12, 3)  # 错误

关于repeat，例子如下：

a = torch.tensor([[[1, 2, 3]]])
a.shape
>> torch.Size([1, 1, 3])b = a.repeat(2, 2, 4).shape
>> torch.Size([2, 2, 12])b = a.repeat(2, 2, 2, 4).shape
>> torch.Size([2, 2, 2, 12])b = a.repeat(-1, -1, 4).shape  # 错误，-1不可用在repeat中

repeat可以实现与expand同样的效果，但不同的是，repeat开辟了新的内存空间，返回了一个新的张量，而expand返回的张量与原版张量具有相同内存地址，例子如下：

a = torch.tensor([[[1, 2, 3]]])
b = a.expand(3, -1, -1, -1)
c = a.repeat(3, 1, 1, 1)print(a)
print(b)
print(c)print(a.data_ptr())
print(b.data_ptr())
print(c.data_ptr())a[0][0][2] = 666
print(a)
print(b)
print(c)

输出为：

tensor([[[1, 2, 3]]])tensor([[[[1, 2, 3]]],[[[1, 2, 3]]],[[[1, 2, 3]]]])tensor([[[[1, 2, 3]]],[[[1, 2, 3]]],[[[1, 2, 3]]]])1765580867264
1765580867264
1765577935296tensor([[[  1,   2, 666]]])tensor([[[[  1,   2, 666]]],[[[  1,   2, 666]]],[[[  1,   2, 666]]]])tensor([[[[1, 2, 3]]],[[[1, 2, 3]]],[[[1, 2, 3]]]])

可以看出，b与a有着相同的地址，b相当于是a的某种视图映射，但仍然受到a的影响，但c是另外开辟内存空间进行存储，不受a的影响。

torch中的expand和repeat相关推荐

einops包中的rearrange，reduce, repeat及einops.layers.torch中的Rearrange，Reduce。对高维数据的处理方式
from einops import rearrange, reduce, repeat from einops.layers.torch import Rearrange, Reduce 一.rea ...
pytorch中的expand()和expand_as()函数--扩展张量中某维数据的尺寸
pytorch中的expand()和expand_as()函数 1.expand()函数: (1)函数功能: expand()函数的功能是用来扩展张量中某维数据的尺寸,它返回输入张量在某维扩展为更大尺 ...
torch.max()、expand()、expand_as()使用讲解
在分类问题中,通常需要使用max()函数对softmax函数的输出值进行操作,求出预测值索引,然后与标签进行比对,计算准确率.下面讲解一下torch.max()函数的输入及输出值都是什么,便于我们理解 ...
Pytorch中tensor.expand()和tensor.expand_as()函数
Pytorch中tensor.expand函数 Tensor.expand()函数详解 Tensor.expand_as()函数 Tensor.expand()函数详解函数语法: # 官方解释: D ...
torch中contiguous()函数
1. 背景 torch中一些操作会改变原数据,比如:narrow() view() expand() transpose()等操作,在使用transpose()进行转置操作时,pytorch并不会创建 ...
torch中的copy()和clone()
torch中的copy()和clone() 1.torch中的copy()和clone() y = torch.Tensor(2,2):copy(x) --- 1 修改y并不改变原来的x y = x: ...
openresty开发系列16--lua中的控制结构if-else/repeat/for/while
openresty开发系列16--lua中的控制结构if-else/repeat/for/while一)条件 - 控制结构 if-else if-else 是我们熟知的一种控制结构.Lua 跟其他语言 ...
torch中的topk()函数
torch中的topk()函数 In [2]: import torchIn [3]: a=torch.randn((4,6))In [4]: a Out
（原）torch中微调某层参数
转载请注明出处: http://www.cnblogs.com/darkknightzh/p/6221664.html 参考网址: https://github.com/torch/nn/issues ...

torch中的expand和repeat

expand和repeat

torch中的expand和repeat相关推荐

最新文章

热门文章