torch.Tensor.repeat是什么操作？对比numpy库和torch库中的tile和repeat操作

喜欢ヅ旅行 2022-12-27 07:16 209阅读 0赞

### 一、前言 ###

根据torch的官方文档，torch和numpy中tile和repeat的对应关系如下

<table> 
 <thead> 
  <tr> 
   <th align="center">torch</th> 
   <th align="center"></th> 
   <th align="center">numpy</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="center">torch.Tensor.repeat</td> 
   <td align="center">&lt;=&gt;</td> 
   <td align="center">np.tile</td> 
  </tr> 
  <tr> 
   <td align="center">torch.Tensor.repeat_interleave</td> 
   <td align="center">&lt;=&gt;</td> 
   <td align="center">np.repeat</td> 
  </tr> 
 </tbody> 
</table>

关于这个操作的具体解释如下

### 二 torch.Tensor.repeat()和np.tile() ###

> torch.Tensor.repeat(\*sizes) → Tensor

这个函数用来沿着多个维度重复原来的Tensor。  
\*代表传入的sizes不止一个参数，而是多个参数组成的tuple。如果size=(4,2), 则x.repeat(4,2)代表在dim0重复4次，在dim1重复2次。

举例：

>>> x = torch.tensor([1, 2, 3])
    >>> x.repeat(4, 2)
    tensor([[ 1,  2,  3,  1,  2,  3],
            [ 1,  2,  3,  1,  2,  3],
            [ 1,  2,  3,  1,  2,  3],
            [ 1,  2,  3,  1,  2,  3]])
    >>> x.repeat(4, 2, 1).size()
    torch.Size([4, 2, 3])

一般来讲，我们看这种用于repeat的形状(4,2)，可以从后往前倒过来看，就是说tensor\[1,2,3\]现在横向上重复2次，再在列向上重复4次。这样就容易知道repeat得到的tensor的形状大致如何。

同理，x.repeat(4, 2, 1)就是再三个维度上分别重复1，2，4次。

> numpy.tile(A, reps)

这个函数同样用来沿着多个维度重复原来的Tensor。如果reps=(4,2), 则np.tile(tensor,(4,2))代表tensor在aixs0上重复4次，在axis1上重复2次。  
tile是瓦片、铺瓦的意思，意思是向瓦片一样从各个维度按规定的次数重复铺开来。其与torch.Tensor.repeat()用法一样。两者不同的是repeat封装为Tensor的函数，而tile是直接封装为numpy中的函数，再将tensorA传入进去。

例子：

>>>np.tile(a, (2, 2))
    array([[0, 1, 2, 0, 1, 2],
           [0, 1, 2, 0, 1, 2]])

### 三、torch.Tensor.repeat\_interleave和np.repeat ###

interleave:交错

> torch.Tensor.repeat\_interleave(repeats, dim=None) → Tensor

这个函数主要用于重复指定的**一个**维度，如果dim=None，该函数会将传入的tensor先扁平化为维度为1的数组，每个元素重复repeats次之后，返回扁平化的输出数组。

>>> y = torch.tensor([[1, 2], [3, 4]])
    >>> torch.repeat_interleave(y, 2)
    tensor([1, 1, 2, 2, 3, 3, 4, 4])
    >>> torch.repeat_interleave(y, 3, dim=1)
    tensor([[1, 1, 1, 2, 2, 2],
            [3, 3, 3, 4, 4, 4]])
    >>> torch.repeat_interleave(y, torch.tensor([1, 2]), dim=0)
    tensor([[1, 2],
            [3, 4],
            [3, 4]])

> numpy.repeat(a, repeats, axis=None)

这个函数主要用于重复指定的**一个**维度，如果axis=None，该函数会将传入的tensor先扁平化为维度为1的数组，每个元素重复repeats次之后，返回扁平化的输出数组。

>>>x = np.array([[1,2],[3,4]])
    >>>np.repeat(x, 2)
    array([1, 1, 2, 2, 3, 3, 4, 4])
    >>>np.repeat(x, 3, axis=1)
    array([[1, 1, 1, 2, 2, 2],
           [3, 3, 3, 4, 4, 4]])
    >>>np.repeat(x, [1, 2], axis=0)
    array([[1, 2],
           [3, 4],
           [3, 4]])

### 四、参考资料 ###

【1】https://pytorch.org/docs/stable/generated/torch.repeat\_interleave.html\#torch.repeat\_interleave  
【2】https://numpy.org/doc/stable/reference/generated/numpy.repeat.html?highlight=repeat\#numpy.repeat