1. description

1. torch.expand:主要作用是將向量按照指定維度進行復制，
2. expand 可以用全一向量和給定向量以矩陣相乘的方式等效表示
3. n_expand=4
   

2. pytorch

• torch

import torch
import torch.nn as nntorch.set_printoptions(precision=3, sci_mode=False)
torch.manual_seed(2323434)if __name__ == "__main__":run_code = 0a_vector = torch.arange(5).reshape(1, 5).to(torch.float32)n_expand = 4print(f"a_vector=\n{a_vector}")a_vector_expand = a_vector.expand(n_expand, -1)print(f"a_vector_expand=\n{a_vector_expand}")n_ones = torch.ones((n_expand, 1))a_ones_matrix = n_ones @ a_vectorprint(f"a_ones_matrix=\n{a_ones_matrix}")b_vector = torch.arange(6).reshape(6, 1).to(torch.float32)b_vector_expand = b_vector.expand(-1, n_expand)print(f"b_vector=\n{b_vector}")print(f"b_vector_expand=\n{b_vector_expand}")bn_ones = torch.ones((1, n_expand))b_ones_matrix = b_vector @ bn_onesprint(f"b_ones_matrix=\n{b_ones_matrix}")

• result :

a_vector=
tensor([[0., 1., 2., 3., 4.]])
a_vector_expand=
tensor([[0., 1., 2., 3., 4.],[0., 1., 2., 3., 4.],[0., 1., 2., 3., 4.],[0., 1., 2., 3., 4.]])
a_ones_matrix=
tensor([[0., 1., 2., 3., 4.],[0., 1., 2., 3., 4.],[0., 1., 2., 3., 4.],[0., 1., 2., 3., 4.]])
b_vector=
tensor([[0.],[1.],[2.],[3.],[4.],[5.]])
b_vector_expand=
tensor([[0., 0., 0., 0.],[1., 1., 1., 1.],[2., 2., 2., 2.],[3., 3., 3., 3.],[4., 4., 4., 4.],[5., 5., 5., 5.]])
b_ones_matrix=
tensor([[0., 0., 0., 0.],[1., 1., 1., 1.],[2., 2., 2., 2.],[3., 3., 3., 3.],[4., 4., 4., 4.],[5., 5., 5., 5.]])