pytorch中的expand（）和expand_as（）函数 python

pytorch中的expand（）和expand_as（）函数
1.expand（）函数：
（1）函数功能：
expand（）函数的功能是用来扩展张量中某维数据的尺寸，它返回输入张量在某维扩展为更大尺寸后的张量。
扩展张量不会分配新的内存，只是在存在的张量上创建一个新的视图（关于张量的视图可以参考博文：由浅入深地分析张量），而且原始tensor和处理后的tensor是不共享内存的。
expand()函数括号中的输入参数为指定经过维度尺寸扩展后的张量的size。
（2）应用举例：

1） import torch a = torch.tensor([1, 2, 3]) c = a.expand(2, 3) print(a) print(c)# 输出信息： tensor([1, 2, 3]) tensor([[1, 2, 3], [1, 2, 3]]2） import torch a = torch.tensor([1, 2, 3]) c = a.expand(3, 3) print(a) print(c)# 输出信息： tensor([1, 2, 3]) tensor([[1, 2, 3], [1, 2, 3], [1, 2, 3]])3) import torch a = torch.tensor([[1], [2], [3]]) print(a.size()) c = a.expand(3, 3) print(a) print(c)# 输出信息： torch.Size([3, 1]) tensor([[1], [2], [3]]) tensor([[1, 1, 1], [2, 2, 2], [3, 3, 3]])4) import torch a = torch.tensor([[1], [2], [3]]) print(a.size()) c = a.expand(3, 4) print(a) print(c)# 输出信息： torch.Size([3, 1]) tensor([[1], [2], [3]]) tensor([[1, 1, 1, 1], [2, 2, 2, 2], [3, 3, 3, 3]])

（3）注意事项：
【pytorch中的expand（）和expand_as（）函数】expand（）函数只能将size=1的维度扩展到更大的尺寸，如果扩展其他size（）的维度会报错。

2.expand_as（）函数：
（1）函数功能：
expand_as（）函数与expand（）函数类似，功能都是用来扩展张量中某维数据的尺寸，区别是它括号内的输入参数是另一个张量，作用是将输入tensor的维度扩展为与指定tensor相同的size。
（2）应用举例：

1） import torch a = torch.tensor([[2], [3], [4]]) print(a) b = torch.tensor([[2, 2], [3, 3], [5, 5]]) print(b.size()) c = a.expand_as(b) print(c) print(c.size())# 输出信息： tensor([[2], [3], [4]]) torch.Size([3, 2]) tensor([[2, 2], [3, 3], [4, 4]]) torch.Size([3, 2])2） import torch a = torch.tensor([1, 2, 3]) print(a) b = torch.tensor([[2, 2, 2], [3, 3, 3]]) print(b.size()) c = a.expand_as(b) print(c) print(c.size())# 输出信息： tensor([1, 2, 3]) torch.Size([2, 3]) tensor([[1, 2, 3], [1, 2, 3]]) torch.Size([2, 3])

3.参考资料：
其他关于张量维度操作的函数参见博文：pytorch张量维度操作