分享一下自己目前在维护的Github项目，由于本人博士阶段接触了一个全新的研究方向-----使用机器学习、强化学习、深度学习等方法解决组合优化问题，维护这个项目的目的：
（1）记录自己阅读过的paper，同时分享一下对某些paper的见解；
（2）方便其他的初学者或研究生查阅最新的paper；
⭐️ 项目链接：Welcom to COPZoo

一、前言

嗯……，又是奇奇怪怪的方法，果然，你能想到的功能，大佬们已经实现了。今天要分享的内容是torch.repeat_interleave() 方法。话不多说，Let’s go!

二、方法解析

官方对repeat_interleave方法的介绍及其简单，介绍的越简单，对于使用者来说越难以理解。官方解释：重复一个tensor中元素。嗯……确实简单！

参数

• input：白话就是你要操作的tensor
• repeat：每个元素要重复的次数，可以是int型；也可以是一个Tensor，但要注意的是，这个Tensor进行广播后，要符合给定维度的shape。
• dim：可选参数，你想要沿着哪个维度进行重复。值得注意的是：如果不设置，默认首先将input展开为1维tensor，然后再进行重复。
  output_size：可选参数，一般用不到。这里没研究。

三、案例分析

import numpy as np
import torch

3.1 案例1 - repeats为default

t = torch.tensor([[1,2,3],[4,5,6]])
t

t1 = torch.repeat_interleave(input=t, repeats=2)
t1

3.2 案例2 - repeats为int型

repeats=0

t2 = torch.repeat_interleave(input=t, repeats=2, dim=0)
t2

repeats=1

t3 = torch.repeat_interleave(input=t, repeats=2, dim=1)
t3

3.3 案例3 - repeats为tensor型

t4 = torch.repeat_interleave(input=t, repeats=torch.tensor([2,3]), dim=0)
t4

t5 = torch.repeat_interleave(input=t, repeats=torch.tensor([2,3,1]), dim=1)
t5