Numpy Pyrotch重复第三维

我在下面的例子中

到目前为止，一切顺利

但为什么在三维空间上重复一次会将三维尺寸扩展到3（而不是1）

仔细检查

In [43]: x.repeat(4,2,1)
Out[43]:
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]]])

为什么它会这样呢？

它只会沿着第一个维度扩展一次大小（[3]）张量。（4,2,1）是重复（3，）张量的次数。最后的张量是（4，2，3），因为你在最后一个轴上重复（3，）一次，在第二个轴上重复两次，在第一个轴上重复4次

x = torch.tensor([1, 2, 3])
x.shape

那么

---

用更多细节更新了我的答案你是说当重复时，总是从较大的尺寸开始复制吗？我是说第一个尺寸是最外层的括号，而最后一个尺寸将包含原始数组。对一维张量成像-

[1,2,3]

。使其成为二维阵列只需在其外部添加括号-

[[1,2,3]]

，其形状为

（1,3）

。接下来制作一个3D数组-

[[1,2,3]]

，它的形状是

（1,1,3）

。这应该会让你直观地知道为什么以上述方式重复会导致

（4,2,3）

。不知道为什么这个答案会被否决。这正确地回答了OP提出的问题。答案和问题都有详细的解释。

In [43]: x.repeat(4,2,1)
Out[43]:
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 = torch.tensor([1, 2, 3])
x.shape

torch.Size([3])

xx = x.repeat(4,2,1)
xx.shape

torch.Size([4, 2, 3])