重复数组中的元素
从某一个维度复制，如下面从第一维度复制，(2,3)的张量复制后就是（4,3）
x = np.array([1,2,3,4,5,6]).reshape(2,3)print(x)print("===repeat====")# 也可以写作为# x = np.repeat(x, 2, axis=0)x = x.repeat(2, axis=0)print(x, x.shape)
如果复制第二个维度呢，那么(2,3)的张量复制后就是（2,6）,但是复制内容是一个一个复制，比如，1，2，3的复制是1，1，2，2，3，3而不是1，2，3，1，2，3
x = np.array([1,2,3,4,5,6]).reshape(2,3)print(x)print("===repeat====")# 也可以写作为# x = np.repeat(x, 2, axis=1)x = x.repeat(2, axis=1)print(x, x.shape)
样例2如果不指定axis会怎么样呢？ 是把整个Tensor压成一维，然后repeat
x = np.array([1,2,3,4,5,6]).reshape(2,3)print(x)print("===repeat====")# 也可以写作为# x = np.repeat(x, 2)x = x.repeat(2)print(x, x.shape)
样例3 使用repeat初始化数组
第一个参数是重复的数，后一个参数是重复的个数
print("===repeat====")x=np.repeat(2,3)print(x)
样例4在一个维度上重复的次数不一致
x = np.array([1,2,3,4,5,6]).reshape(2,3)print(x)print("===repeat====")# 也可以写作为# x = np.repeat(x, [1,2], axis=0)x = x.repeat([1,2], axis=0)print(x, x.shape)
numpy的tile
tile跟repeat功能基本一样，主要的区别是tile的复制是单个维度数据的整体复制；
但是它没有axis参数可以指定维度
x = np.array([1,2,3,4,5,6]).reshape(2,3)print(x)print("===repeat====")# 注意不可以写作x.tilex = np.tile(x, 2)print(x, x.shape)
主要区别就是复制方式不同，而且只能作用于最后一维
=======================================================
torch的repeat 样例1这个样例的操作类似numpy.tile(x, 2)
x = np.array([1,2,3,4,5,6]).reshape(2,3)x1 = torch.from_numpy(x)print(x1)print("===repeat====")x1 = x1.repeat(1,2)print(x1, x1.shape)
样例2这个样例有点类似numpy.repeat(x, 2, axis=0),但是复制的细节略有不同，请注意。
x = np.array([1,2,3,4,5,6]).reshape(2,3)x1 = torch.from_numpy(x)print(x1)print("===repeat====")x1 = x1.repeat(2,1)print(x1, x1.shape)
样例3如果repeat的维度多于原始张量的维度，那么会自动做阔维
x = np.array([1,2,3,4,5,6]).reshape(2,3)x1 = torch.from_numpy(x)print(x1)print("===repeat====")x1 = x1.repeat(2,2,2)print(x1, x1.shape)