pytorch repeat_interleave用法

torch.repeat_interleave(input, repeats, dim=None, *, output_size=None) → Tensor

例子1：不指定dim, 就会把input拍平(flatten)，然后把每个元素重复repeats次

>>> x = torch.tensor([1, 2, 3])
>>> x.repeat_interleave(2)
tensor([1, 1, 2, 2, 3, 3])

>>> y = torch.tensor([[1, 2], [3, 4]])
>>> torch.repeat_interleave(y, 2)
tensor([1, 1, 2, 2, 3, 3, 4, 4])

例子2：指定了dim，就会在dim维度重复repeats次

下面的dim=1指的是最里面的维度，也就是1，2 和 3, 4元素
返回size[2, 2x3]

>>> y = torch.tensor([[1, 2], [3, 4]])
>>> y.shape
torch.Size([2, 2])

>>> torch.repeat_interleave(y, 3, dim=1)
tensor([[1, 1, 1, 2, 2, 2],
        [3, 3, 3, 4, 4, 4]])

例子3：不仅指定dim，还要指定dim维度中每个元素分别repeat几次

>>> y = torch.tensor([[1, 2], [3, 4]])
>>> y.shape
torch.Size([2, 2])

>>> torch.repeat_interleave(y, torch.tensor([1, 2]), dim=0)
tensor([[1, 2],
        [3, 4],
        [3, 4]])

dim=0指的是两个一维数组[1,2], [3, 4],
torch.tensor([1, 2])指定了[1, 2]重复1次，[3,4]重复2次
返回size(1+1x2, 2)

例子4：指定output_size

如果不指定output_size，那么它是会自动被计算的，
指定的话也不是任意指定的，要计算出重复以后指定的dim上会变成多少，比如如下dim=0经过重复后会变成1+1x2=3,
output_size必须指定成3，不然会报错，
那指定有什么好处呢，指定了torch就不会启动流同步来计算它了。

>>> torch.repeat_interleave(y, torch.tensor([1, 2]), dim=0, output_size=3)
tensor([[1, 2],
        [3, 4],
        [3, 4]])