repeat()函数数组numpy里与张量tensor里的差别对比

骑猪看日落 2022-03-09 01:48 197阅读 0赞

### **一.  **numpy.**repeat**(a, repeats, axis=None)  ###

**查看内置函数的定义** ：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5OTM4NjY2_size_16_color_FFFFFF_t_70][]

**解读：**

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

axis=0表示按行

`功能:` 将矩阵A按照给定的axis将每个元素重复repeats次数   
`参数:` a:输入矩阵， repeats:每个元素重复的次数， axis:需要重复的维度   
`返回值:` 输出矩阵

>>> np.repeat(3, 4)
    array([3, 3, 3, 3])  #每个元素重复4次
    >>> x = np.array([[1,2],[3,4]])
    >>> np.repeat(x, 2)
    array([1, 1, 2, 2, 3, 3, 4, 4]) #每个元素重复两次
    >>> np.repeat(x, 3, axis=1)
    array([[1, 1, 1, 2, 2, 2],
           [3, 3, 3, 4, 4, 4]])   #每个元素按照列重复3次
    >>> np.repeat(x, [1, 2], axis=0)  
    array([[1, 2],
           [3, 4],
           [3, 4]])  #第1行元素重复1次，第2行元素重复2次

**举例：**

import numpy as np
    a = np.linspace(-1, 1, 5)
    c = a.reshape(1, -1)
    print('a',a.shape)
    print('a',a)
    print('c',c.shape)
    print('c',c)
    d = np.repeat(c, 5, 0)
    e = np.repeat(c, 5, 1)
    f = d.reshape(-1, 1)
    print('d',d.shape)
    print('d',d)
    print('e',e.shape)
    print('e',e)
    print('f',f.shape)
    print('f',f)

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5OTM4NjY2_size_16_color_FFFFFF_t_70 1][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5OTM4NjY2_size_16_color_FFFFFF_t_70 2][]

### 二.   torch.Tensor.repeat(\*sizes)  ###

在张量的某个维度上复制

**1. 张量维度 等于 repeat参数个数**

#创建一个二维张量
    x = torch.randn((2,3)) #torch.Size([2, 3])
    #在x的两个维度上分别重复4次，2次，即得目标维度：4x2=8, 2x3=6，即（8，6）
    x= x.repeat(4, 2) #torch.Size([8, 6])

**2. 张量维度 不等于 repeat参数个数**

repeat类似于平铺操作 tile，repeat参数指定了在每个**维度(dimention)上平铺(tile)的次数，如果张量维度 < repeat参数数量**,则添加新的维度。如下所示：

#创建一个二维张量
    t1 = torch.randn((1,2)) #torch.Size([1, 2])
    
    #维度为2，小于repeat参数数量3，则结果大小：（3，1x5, 2x6)
    t2 = t1.repeat(3,5,6) #torch.Size([3, 5, 12])

#创建一个三维张量
    t1 = torch.randn((2,2,3)) #torch.Size([2, 2, 3])
    #目标大小（3， 2x4, 2x5, 3x6)
    t2 = t1.repeat(3,4,5,6)#torch.Size([3, 8, 10, 18])

**举例：**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5OTM4NjY2_size_16_color_FFFFFF_t_70 3][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5OTM4NjY2_size_16_color_FFFFFF_t_70 4][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5OTM4NjY2_size_16_color_FFFFFF_t_70]: /images/20220309/982ea6761dfc4c4eb2ac273ab27d262e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5OTM4NjY2_size_16_color_FFFFFF_t_70 1]: /images/20220309/6a4cfb9ed9c44735b93623ecee5cf42f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5OTM4NjY2_size_16_color_FFFFFF_t_70 2]: /images/20220309/693d64d98bc347cdbc4d17d67c1be26c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5OTM4NjY2_size_16_color_FFFFFF_t_70 3]: /images/20220309/6c5bfdb0b29c41de9bc74fcb9ff7f6bf.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5OTM4NjY2_size_16_color_FFFFFF_t_70 4]: /images/20220309/0545217316aa42cb8c482e1029365147.png