博客

torch.repeat()解析:



PyTorch中的repeat()函数可以对张量进行重复扩充。

当参数有两个时：（列的重复倍数，行的重复倍数）。1表示不重复

当参数有三个时：（通道数的重复倍数，列的重复倍数，行的重复倍数）

当参数有4个时： （batch重复的倍数，通道数的重复倍数，列的重复倍数，行的重复倍数）

import torch 

x = torch.Tensor([[1, 2, 3], [4, 5, 6]])
x.repeat(2,2) # torch.Size([4, 6])
tensor([[1., 2., 3., 1., 2., 3.],
        [4., 5., 6., 4., 5., 6.],
        [1., 2., 3., 1., 2., 3.],
        [4., 5., 6., 4., 5., 6.]])
x.repeat(2,2,1)  # torch.Size([2, 4, 3])
tensor([[[1., 2., 3.],
         [4., 5., 6.],
         [1., 2., 3.],
         [4., 5., 6.]],

        [[1., 2., 3.],
         [4., 5., 6.],
         [1., 2., 3.],
         [4., 5., 6.]]])
x.repeat(2,2,1,1)  # torch.Size([2, 2, 2, 3])
tensor([[[[1., 2., 3.],
          [4., 5., 6.]],

         [[1., 2., 3.],
          [4., 5., 6.]]],


        [[[1., 2., 3.],
          [4., 5., 6.]],

         [[1., 2., 3.],
          [4., 5., 6.]]]])

paddle中未能找到torch.repeat()对应的API，因此以x.repeat(3,1,1,1)，进行实现该功能。很清晰的看到torch.repeat()是对x进行的复制功能，由于paddle.repeat_interleave的复制功能没看懂怎么复制4个参数，替换的方式如下：


torch.repeat()：

x = torch.Tensor([[1, 2, 3], [4, 5, 6]])
x.repeat(3,1,1,1) # [3, 1, 2, 3]
tensor([[[[1., 2., 3.],
          [4., 5., 6.]]],

        [[[1., 2., 3.],
          [4., 5., 6.]]],

        [[[1., 2., 3.],
          [4., 5., 6.]]]])

paddle 代码：

import paddle

x = paddle.to_tensor([[1, 2, 3], [4, 5, 6]])
out2 = paddle.concat(x=[x, x, x], axis=0).reshape([3,1,2,-1])
print(out2)  # [3, 1, 2, 3]
Tensor(shape=[3, 1, 2, 3], dtype=int64, place=Place(gpu:0), stop_gradient=True,
       [[[[1, 2, 3],
          [4, 5, 6]]],

        [[[1, 2, 3],
          [4, 5, 6]]],

        [[[1, 2, 3],
          [4, 5, 6]]]])

纸上得来终觉浅，绝知此事要躬行。