arrays - 有效地堆叠阵列/ torch 张量的副本？

Question

我是 Python/Pytorch 用户。首先，在 numpy 中，假设我有一个大小为 LxL 的数组 M，我想要以下内容
数组:A=(M,...,M) 的大小，例如 NxLxL，是否有比以下更优雅/内存效率更高的方法:

A=np.array([M]*N) ?

与火炬张量相同的问题!
原因，现在，如果 M 是一个变量(torch.tensor)，我必须这样做:

A=torch.autograd.Variable(torch.tensor(np.array([M]*N))) 

这是丑陋的!

Answer 1

请注意，您需要决定是要为扩展数组分配新内存，还是仅需要原始数组现有内存的新 View 。

在 PyTorch 中，这种区别产生了两种方法 expand()和 repeat() .前者仅在现有张量上创建一个新 View ，其中通过将步幅设置为 0 将大小为 1 的维度扩展到更大的大小。任何大小为 1 的维度都可以扩展为任意值，而无需分配新的内存。相比之下，后者复制原始数据并分配新内存。

在 PyTorch 中，您可以使用 expand()和 repeat()为您的目的如下:

import torch

L = 10
N = 20
A = torch.randn(L,L)
A.expand(N, L, L) # specifies new size
A.repeat(N,1,1) # specifies number of copies

在 Numpy 中，有多种方法可以更优雅、更有效地实现您在上面所做的工作。对于您的特定目的，我会推荐 np.tile()在 np.repeat() , 自 np.repeat()旨在对数组的特定元素进行操作，而 np.tile()旨在对整个阵列进行操作。因此，

import numpy as np

L = 10
N = 20
A = np.random.rand(L,L)
np.tile(A,(N, 1, 1))