使用 pytorch 张量进行维度扩展答案

【问题标题】：dimension extension with pytorch tensors使用 pytorch 张量进行维度扩展
【发布时间】：2021-02-10 08:33:35
【问题描述】：

pytorch张量维度扩展的方式是什么？

-之前：火炬.Size([3, 3, 3])

tensor([[[ 0.,  1.,  2.],
         [ 3.,  4.,  5.],
         [ 6.,  7.,  8.]],

        [[ 9., 10., 11.],
         [12., 13., 14.],
         [15., 16., 17.]],

        [[18., 19., 20.],
         [21., 22., 23.],
         [24., 25., 26.]]], device='cuda:0', dtype=torch.float64)

-之后：火炬.Size([2, 3, 3, 3])

tensor([[[[ 0.,  1.,  2.],
          [ 3.,  4.,  5.],
          [ 6.,  7.,  8.]],

         [[ 9., 10., 11.],
          [12., 13., 14.],
          [15., 16., 17.]],

         [[18., 19., 20.],
          [21., 22., 23.],
          [24., 25., 26.]]],


        [[[0., 1., 2.],
          [ 3.,  4.,  5.],
          [ 6.,  7.,  8.]],

         [[ 9., 10., 11.],
          [12., 13., 14.],
          [15., 16., 17.]],

         [[18., 19., 20.],
          [21., 22., 23.],
          [24., 25., 26.]]]], device='cuda:0', dtype=torch.float64)

在 numpy 下会这样工作：

b =  np.broadcast_to(a1[None, :,:,:], (2,3,3,3))

这在 pytorch 下是如何工作的？我想利用gpu。提前感谢您的帮助！

【问题讨论】：

标签： pytorch gpu tensor dimensions

【解决方案1】：

可以用unsqeeze添加一个新维度（0在下面用于指定第一个维度，即位置0），然后沿着该维度重复数据两次（一次，即不重复），沿其他维度）。

before = torch.tensor(..., dtype=torch.float64, device='cuda:0')
after = before.unsqueeze(0).repeat(2, 1, 1, 1)

【讨论】：

【解决方案2】：

我们可以将torch.Tensor.expand 用于您给定的预期结果

b = a1.expand([2, 3, 3, 3])

【讨论】：