Pytorch 为什么在增加torch张量中的尺寸时，使用torch.REPLACE代替for循环？ one\u hot\u labels=获取one\u hot\u标签（labels.to（设备），n个类） #注：一个热标签是火炬。尺寸（[128，10]） image_one_hot_labels=one_hot_labels[：，：，None，None] image\u one\u hot\u labels=image\u one\u hot\u labels。重复（1,1，mnist\u形状[1]，mnist\u形状[2]）
一般来说，使用pytorch函数执行for循环可以完成的操作要比执行循环快得多。它们的函数针对CPU和GPU进行了优化，达到了原始python无法达到的程度 而且它更简洁：使用Pytorch 为什么在增加torch张量中的尺寸时，使用torch.REPLACE代替for循环？ one\u hot\u labels=获取one\u hot\u标签（labels.to（设备），n个类） #注：一个热标签是火炬。尺寸（[128，10]） image_one_hot_labels=one_hot_labels[：，：，None，None] image\u one\u hot\u labels=image\u one\u hot\u labels。重复（1,1，mnist\u形状[1]，mnist\u形状[2]）,pytorch,repeat,Pytorch,Repeat,一般来说，使用pytorch函数执行for循环可以完成的操作要比执行循环快得多。它们的函数针对CPU和GPU进行了优化，达到了原始python无法达到的程度 而且它更简洁：使用repeat使其成为一个自解释的单行代码，而使用for循环则使代码变得不清晰 最后一个旁注：如果可以，请使用展开而不是重复，前者的内存效率要高得多，因为在那里它不执行任何复制（仅更改步幅值以假装更大）
repeat展开重复