用于部分平铺的 Numpy/PyTorch 方法

Question

我似乎记得遇到过类似于numpy.tile 的 Numpy 或 PyTorch 方法，除了它允许部分平铺达到指定尺寸。所以如果我有

a = np.array([[5, 6, 7, 8],
              [1, 2, 3, 4]])

（或者，如果这是 PyTorch 方法，则相应地，t = torch.Tensor(a)），

然后

a.mystery_method((3,4))

会产生输出

array([[5, 6, 7, 8],
       [1, 2, 3, 4],
       [5, 6, 7, 8]])

不幸的是，我现在在 Numpy 或 Pytorch 文档中找不到这种方法。它是否真的存在，如果存在，它是什么？

Answer 1

你可以使用np.resize -

M = 3 # number of rows for output
np.resize(a,(M,a.shape[1]))

np.take 的另一种方式或简单地沿第一轴索引以提高性能 -

np.take(a,np.arange(M)%a.shape[0],axis=0) # with np.take
a[np.arange(M)%a.shape[0]]                # with indexing

运行时测试-

In [91]: a = np.random.randint(0,9,(2000,4000))

In [92]: M = 3000

In [93]: %timeit np.resize(a,(M,a.shape[1]))
10 loops, best of 3: 24.1 ms per loop

In [94]: %timeit np.take(a,np.arange(M)%a.shape[0],axis=0)
100 loops, best of 3: 16.2 ms per loop

In [95]: %timeit a[np.arange(M)%a.shape[0]]
100 loops, best of 3: 15.2 ms per loop