PyTorch torch.expand_as 函数

torch.expand_as 是 PyTorch 中用于将张量扩展到与另一个张量相同尺寸的函数。它是 torch.expand 的便捷版本，自动使用参考张量的尺寸进行扩展。

函数定义

torch.expand_as(other)

参数:

other (Tensor): 参考张量，当前张量将被扩展到与该张量相同的尺寸。

返回值:

torch.Tensor: 返回扩展后的张量视图。

使用示例

实例

import torch

# 创建一个向量
x = torch.tensor([1, 2, 3, 4])

# 创建一个目标矩阵
other = torch.randn(3, 4)

# 将 x 扩展为与 other 相同的形状
y = x.expand_as(other)

print("原始向量形状:", x.shape)
print("参考张量形状:", other.shape)
print("扩展后形状:", y.shape)
print("n扩展后的张量:")
print(y)

输出结果为：

原始向量形状: torch.Size([4])
参考张量形状: torch.Size([3, 4])
扩展后形状: torch.Size([3, 4])

扩展后的张量:
tensor([[1, 2, 3, 4],
        [1, 2, 3, 4],
        [1, 2, 3, 4]])

实例

import torch

# 创建一个列向量
x = torch.tensor([[1], [2], [3]])

# 创建一个目标3D张量
other = torch.randn(3, 4, 5)

# 将 x 扩展为与 other 相同的形状
y = x.expand_as(other)

print("原始列向量形状:", x.shape)
print("参考张量形状:", other.shape)
print("扩展后形状:", y.shape)

输出结果为：

原始列向量形状: torch.Size([3, 1])
参考张量形状: torch.Size([3, 4, 5])
扩展后形状: torch.Size([3, 4, 5])

实例

import torch

# 在神经网络中的应用示例
# 假设有偏置向量需要广播到特征图
bias = torch.tensor([0.1, 0.2, 0.3]) # 3个通道的偏置

# 模拟卷积输出的特征图 (batch, channel, height, width)
feature_map = torch.randn(8, 3, 32, 32)

# 将偏置扩展到与特征图相同的形状
bias_expanded = bias.expand_as(feature_map)

print("偏置形状:", bias.shape)
print("特征图形状:", feature_map.shape)
print("扩展后偏置形状:", bias_expanded.shape)

# 添加偏置
output = feature_map + bias_expanded
print("n加上偏置后的输出形状:", output.shape)

输出结果为：

偏置形状: torch.Size([3])
特征图形状: torch.Size([8, 3, 32, 32])
扩展后偏置形状: torch.Size([8, 3, 32, 32])

加上偏置后的输出形状: torch.Size([8, 3, 32, 32])

注意：torch.expand_as 只可以扩展维度大小为1的维度到更大的尺寸。other 张量的尺寸必须与扩展后的尺寸兼容（即当前张量的维度可以通过广播扩展到目标尺寸）。返回的是视图，不是副本。

Pytorch torch 参考手册

返回顶部

菜鸟教程

PyTorch torch.expand_as 函数

函数定义

使用示例

实例

实例

实例