tf.transpose()

tf.transpose(
    a,
    perm=None,
    name='transpose',
    conjugate=False
)

返回的张量的维度i将对应于输入维度 perm[i]。如果perm没有给出，则设置为（n-1 ... 0），其中n是输入张量的等级。因此，默认情况下，此操作在2-D输入张量上执行常规矩阵转置。如conjugate是TRUE并且 a.dtype是complex64或者complex128然后返回a共轭和转置的值。

<span style="color:#37474f"><code>x = tf.constant([[<span style="color:#c53929">1</span> + <span style="color:#c53929">1j</span>, <span style="color:#c53929">2</span> + <span style="color:#c53929">2j</span>, <span style="color:#c53929">3</span> + <span style="color:#c53929">3j</span>],
                 [<span style="color:#c53929">4</span> + <span style="color:#c53929">4j</span>, <span style="color:#c53929">5</span> + <span style="color:#c53929">5j</span>, <span style="color:#c53929">6</span> + <span style="color:#c53929">6j</span>]])
tf.transpose(x, conjugate=<span style="color:#3b78e7">True</span>)  <span style="color:#d81b60"># [[1 - 1j, 4 - 4j],</span>
                                 <span style="color:#d81b60">#  [2 - 2j, 5 - 5j],</span>
                                 <span style="color:#d81b60">#  [3 - 3j, 6 - 6j]]</span></code></span>

x = tf.constant([[[ 1,  2,  3],
                  [ 4,  5,  6]],
                 [[ 7,  8,  9],
                  [10, 11, 12]]])

# Take the transpose of the matrices in dimension-0
# (this common operation has a shorthand `linalg.transpose`)
tf.transpose(x, perm=[0, 2, 1])  # [[[1,  4],
                                 #   [2,  5],
                                 #   [3,  6]],
                                 #  [[7, 10],
                                 #   [8, 11],
                                 #   [9, 12]]]

perm参数如果默认，二维就是转置，像例子中，交换两个唯度就是把两个唯度的数字互换。

高维度即最外面那层排最前面，为0维度。