探究Matlab和Python对同一个矩阵reshape后结果不一致现象

Matlab是按列索引，三维矩阵的索引顺序是(行, 列, 页)，而Python(numpy/torch)是按行索引，三维矩阵的索引顺序是(页, 行, 列)。Matlab的读取顺序是先读取列再读取行，通俗点说就是竖着读矩阵，传承自古老的Fortran；Python，包括C、C++、Java等高级语言，是按照先行后列的顺序，也就是横着读矩阵。当同样调用reshape(a, [m, n, k])时，即使都化成了维度相同的矩阵，里面的元素排列顺序也是不一样的，一不小心就会搞错。这里用一个小例子展示索引和reshape过程。Python的包numpy和torch函数调用和读取顺序差不多，这里以torch为例。

以三维数组为例，Matlab的索引顺序为(行, 列, 页), 例如:

K>> a = ones(4,2,3)

a(:,:,1) =

     1     1
     1     1
     1     1
     1     1


a(:,:,2) =

     1     1
     1     1
     1     1
     1     1


a(:,:,3) =

     1     1
     1     1
     1     1
     1     1

以torch为例，则是以(页, 行, 列)的顺序, 如下:

a = torch.ones(3,4,2)
>>>a
tensor([[[1., 1.],
         [1., 1.],
         [1., 1.],
         [1., 1.]],

        [[1., 1.],
         [1., 1.],
         [1., 1.],
         [1., 1.]],

        [[1., 1.],
         [1., 1.],
         [1., 1.],
         [1., 1.]]])

在Matlab环境下,设置

K>> a(1,2,1) = 121