在 PyTorch 中,transpose和 permute是用于调整张量维度的两个非常有用的函数。它们都用于重新排列张量的维度,但它们的用法和目的有所不同。
Transpose
transpose方法用于交换张量中的两个维度。它通常用于二维张量(即矩阵),但也可以应用于更高维度的张量。此操作不会改变张量的总元素数量或元素值,只是改变维度的组织方式。
示例:
import torch
# 创建一个 2x3 的张量
x = torch.tensor([[1, 2, 3], [4, 5, 6]])
print("Original Tensor:\n", x)
# 交换维度0和维度1
y = x.transpose(0, 1)
print("Transposed Tensor:\n", y)
Permute
permute是更通用的一个函数,允许你重新排列张量的所有维度。它接受一个维度的索引序列作为参数,根据这个序列来重新排列张量的维度。这对于三维或更高维度的张量特别有用。
示例:
import torch
# 创建一个 2x3x4 的张量
x = torch.randn(2, 3, 4)
print("Original Tensor shape:", x.shape)
# 重新排列维度,例如将维度0移到最后去
y = x.permute(1, 2, 0)
print("Permuted Tensor shape:", y.shape)
使用示例
下面是一个包含 transpose和 permute的测试例子:
import torch
# 创建一个初始张量
x = torch.arange(1, 25).view(2, 3, 4)
print("Original Tensor:\n", x)
# 使用 transpose 交换最后两个维度
y = x.transpose(1, 2)
print("Tensor after transpose:\n", y)
# 使用 permute 完全改变维度顺序
z = x.permute(2, 0, 1)
print("Tensor after permute:\n", z)