将张量展开几个维度

Question

在 PyTorch 中，给定一个长度为

n

的张量（向量），如何通过几个维度扩展它，将张量中的每个条目增加和复制到这些维度？例如，给定一个大小为

[3]

的张量，将其扩展为 size=

[3,2,5,5]

，这样添加的维度具有与原始张量对应的值。在这种情况下，让大小=

[3]

和向量=

[1,2,3]

使得大小为

[2,5,5]

的第一个张量具有值

1

，第二个具有所有值

2

，第三个具有所有值

3

.

另外，如何将大小为

[3,2]

的向量展开为

[3,2,5,5]

？

我能想到的一种方法是先用 ones-Like 和 einsum 创建一个相同大小的向量，但我认为应该有更简单的方法。

Answer 1

您可以先取消压缩适当数量的单例维度，然后使用

torch.Tensor.expand

扩展到目标形状的视图：

>>> x = torch.rand(3)
>>> target = [3,2,5,5]

>>> x[:, None, None, None].expand(target)

一个很好的解决方法是使用

torch.Tensor.reshape

或

torch.Tensor.view

执行多次解压：

>>> x.view(-1, 1, 1, 1).expand(target)

这允许使用更通用的方法来处理任意目标形状：

>>> x.view(len(x), *(1,)*(len(target)-1)).expand(target)

对于更一般的实现，其中

x

可以是多维的：

>>> x = torch.rand(3, 2)

# just to make sure the target shape is valid w.r.t to x
>>> assert list(x.shape) == list(target[:x.ndim])

>>> x.view(*x.shape, *(1,)*(len(target)-x.ndim)).expand(target)