【Pytorch API笔记4】用transpose()和permute()和view()来设置维度

转换维度是常见的操作之一，
比如NHWC转换成NCHW
在numpy里可以用 np.tranpose操作，但在torch里却有一丝区别

一、torch.view() 将数据按照指定维度填入

和reshape类似，区别是只能将连续数据转换成指定的维度，-1表示自动填充
而reshape可以转换不连续的数据

import torch
import numpy as np
data = np.array([1, 2, 3, 4, 5, 6, 7, 8])
tensor_a = torch.from_numpy(data)
tensor_b = tensor_a.view( -1,  4)
print(tensor_a.shape)
print(tensor_b.shape)
print(tensor_b)

输出

二、torch.transpose()和torch.permute()交换维度

两者作用相似，都是用于交换不同维度的内容。但其中torch.transpose()是转置操作，只交换指定的两个维度的内容，permute()则可以一次性交换多个维度。

如下 tensor_c的维度为【 4， 1， 2】想把维度转换为 [1, 2, 4]

tensor_c = tensor_a.view(4, 1, 2)

• 用.transpose()操作则需要转换两次。

tensor_d = tensor_c.transpose(1,0).transpose(2,1)
print(tensor_d)
print(tensor_d.shape)

• 用.permute()则可以一次性交换多个维度

tensor_e = tensor_c.permute(1, 2, 0)
print(tensor_e)
print(tensor_e.shape)

三、用unsqueeze 增加维度

如下，在第0个维度增加

vector_2d = vector.unsqueeze(0)