【Pytorch】torch.expand（）函数解析

原创于 2022-03-29 14:27:51 发布 · 3.8k 阅读

1 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#python #深度学习 #缓存

Pytorch 同时被 2 个专栏收录

26 篇文章

订阅专栏

8 篇文章

订阅专栏

本文通过实例演示了 PyTorch 中 tensor 的 expand 方法使用过程，详细解释了 expand 操作如何创建 tensor 的视图而非复制数据，以及这种操作如何影响原始 tensor 和其扩展后的 tensor。

Qwen3-32B-Chat 私有部署镜像 | RTX4090D 24G 显存 CUDA12.4 优化版

Qwen

文本生成

Qwen3

本镜像基于 RTX 4090D 24GB 显存 + CUDA 12.4 + 驱动 550.90.07 深度优化，内置完整运行环境与 Qwen3-32B 模型依赖，开箱即用。

x = torch.Tensor([[1], [2]])
print(x.size())
print(x)
y=x.expand(2,10) 
print(x.size())
y.size()
#输出
torch.Size([2, 1])
tensor([[1.],
        [2.]])
torch.Size([2, 1])
torch.Size([2, 10])

尝试修改x的第一个元素，并打印查看效果

x[0]=-1
x
#输出
tensor([[-1.],
        [ 2.]])

随后查看y元素（由x经过expand得到的tensor)

y
#输出
tensor([[-1., -1., -1., -1., -1., -1., -1., -1., -1., -1.],
        [ 2.,  2.,  2.,  2.,  2.,  2.,  2.,  2.,  2.,  2.]])

通过上述实验，可以发现，经过expand得到的tensor会受原tensor的影响，由某元素expand得到的新元素的值始终与原来的元素的值保持一致，expand得到的仅仅是一个视图，不创建新元素，不占据新空间。

您可能感兴趣的与本文相关的镜像