这篇文章主要介绍了pytorch torch.expand和torch.repeat的区别详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
1.torch.expand
函数返回张量在某一个维度扩展之后的张量，就是将张量广播到新形状。函数对返回的张量不会分配新内存，即在原始张量上返回只读视图，返回的张量内存是不连续的。类似于numpy中的broadcast_to函数的作用。如果希望张量内存连续，可以调用contiguous函数。
例子：
import torch x = torch.tensor([1, 2, 3, 4]) xnew = x.expand(2, 4) print(xnew)
输出：
tensor([[1, 2, 3, 4],
[1, 2, 3, 4]])
2.torch.repeat
torch.repeat用法类似np.tile，就是将原矩阵横向、纵向地复制。与torch.expand不同的是torch.repeat返回的张量在内存中是连续的。
例子1：
将张量横向的复制
import torch x = torch.tensor([1, 2, 3]) xnew = x.repeat(1,3) print(xnew)
输出：
tensor([[1, 2, 3, 1, 2, 3, 1, 2, 3]])
例子2：
将张量纵向的复制
import torch x = torch.tensor([1, 2, 3]) xnew = x.repeat(3,1) print(xnew)
输出：
tensor([[1, 2, 3],
[1, 2, 3],
[1, 2, 3]])
