tensor.repeat和tensor.repeat_interleave

tensor.repeat

在指定维度上整体复制张量内容：

x = torch.arange(6).reshape(2,3)
print(x)
print(x.repeat(2,1))

上述代码的执行结果为：

tensor([[0, 1, 2],[3, 4, 5]])
tensor([[0, 1, 2],[3, 4, 5],[0, 1, 2],[3, 4, 5]])

可以看到，x.repeat(2, 1) 表示沿着第一个维度（行）复制 2 次，而第二个维度（列）不变，相当于将原始矩阵整体复制一份后在行方向上拼接。

tensor.repeat_interleave

这里只讲解dim不为None时的用法：

x = torch.arange(6).reshape(2,3)
print(x)
print(x.repeat_interleave(repeats=2,dim=0))

结果为：

tensor([[0, 1, 2],[3, 4, 5]])
tensor([[0, 1, 2],[0, 1, 2],[3, 4, 5],[3, 4, 5]])

可以看出，repeat_interleave(repeats=2, dim=0) 会将原张量在第 0 维上逐行重复每一行 2 次。

总结

repeat 和 repeat_interleave 都可以用于在张量的某个维度上进行扩展，但适用的场景略有不同。选择哪个函数取决于你想要的复制粒度：块级 还是 行/元素级。