torch tensor的repeat和expand

原创

用户4363240

修改于 2020-01-14 17:48:11

2.1K0

修改于 2020-01-14 17:48:11

文章被收录于专栏：Vison

一般情况下，如果expand和repeat都能得到目标矩阵，则在不更改目标矩阵元素(只读用法）时使用expand, 其他情况时使用repeat.

知识准备：

numpy.may_share_memory()查看是否指向同一个数据存储的内存地址

torch.Tensor.expand

import torch
x = torch.tensor([1, 2,4])
y = x.expand(3, -1)
# In [8]: y
# Out[8]:
# tensor([[1, 2, 4],
#        [1, 2, 4],
#        [1, 2, 4]])

y[1, 0] = 5
# In [10]: y
# Out[10]:
# tensor([[5, 2, 4],
#        [5, 2, 4],
#        [5, 2, 4]])

import numpy as np
np.may_share_memory(y[0,:], y[1,:])
# Out[11]: True

torch.Tensor.expand()不拷贝数据，只是一种view。如果更改expand生成的数据中的某元素，则相关位置元素都会发生改变。help(torch.Tensor.expand)可以了解更多。

torch.Tensor.repeat

import torch
x = torch.tensor(1, 2,4)
y = x.repeat(3,2)

# In 17: y
# Out17:
# tensor([1, 2, 4, 1, 2, 4,
# 1, 2, 4, 1, 2, 4,
# 1, 2, 4, 1, 2, 4])

import numpy as np
np.may_share_memory(y[0,:], y[1, :])
# Out[19]: False

y[1, 0] = 5

# In 21: y
# Out21:
# tensor([1, 2, 4, 1, 2, 4,
#            5, 2, 4, 1, 2, 4,
#            1, 2, 4, 1, 2, 4])

torch.Tensor.repeat拷贝数据，与numpy.tail功能类似。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

numpy