torch.repeat 和 torch.repeat_interleave

** 結論
torch.repeat: 輸入張量的從后往前的后面維度對應按照repeat中大小進行repeat操作（所以 輸入張量維度>= repeat維度）。 假設輸入張量為（a,b,c）,repeat(x,y),則為b維度repeat x倍，c維度repeat y倍；最終輸出維度為（a, bx, cy）
torch.repeat_interleave: 輸入張量按照指定維度進行擴展，假設輸入張量為（2,2），torch.repeat_interleave(y, 3, dim=1)， 原輸入張量大小為（2,2），則在維度1擴展3倍，最終為（2，6）。如果沒有指定dim，則會將輸入拉張開為1維向量再進行擴展

1.torch.repeat

x = torch.tensor([1, 2, 3])
x.repeat(4, 2), x.repeat(4, 2).shape, x.repeat(4, 2, 1).shape, x.repeat(2)
輸出
(tensor([[1, 2, 3, 1, 2, 3],
     [1, 2, 3, 1, 2, 3],
     [1, 2, 3, 1, 2, 3],
     [1, 2, 3, 1, 2, 3]]),

torch.Size([4, 6]),
torch.Size([4, 2, 3]),
tensor([1, 2, 3, 1, 2, 3]))

2.torch.repeat_interleave

x = torch.tensor([1, 2, 3])
x.repeat_interleave(2)
tensor([1, 1, 2, 2, 3, 3])

y = torch.tensor([[1, 2], [3, 4]])
torch.repeat_interleave(y, 2)
tensor([1, 1, 2, 2, 3, 3, 4, 4])

torch.repeat_interleave(y, 3, dim=1)
tensor([[1, 1, 1, 2, 2, 2],
[3, 3, 3, 4, 4, 4]])

torch.repeat_interleave(y, torch.tensor([1, 2]), dim=0)
tensor([[1, 2],
[3, 4],
[3, 4]])