x.flatten(2).transpose(1, 2)

x.flatten(2).transpose(1, 2)

含义：将输入张量的第二维和第三维展平，然后交换第一维和第二维的位置

flatten函数

将维度展开为一维的函数。

python里的flatten(dim)表示，从第dim个维度开始展开，将后面的维度转化为一维。

也就是说，只保留dim之前的维度，其他维度的数据全都挤在dim这一维。

flatten(2)表示将第2个维度及以后展开到第2维上。

对于一个形状为 (3, 4, 2) 的三维数组 x，如果执行 x.flatten(2)，则会将 x 沿着第二个维度（也就是长度为 4 的那个维度）展开成一个长度为 8 的一维数组，其中包含了原来的所有元素

transpose函数

import numpy as np
>>> arr = np.arange(16).reshape((2,2,4))
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7]],
       [[ 8,  9, 10, 11],
        [12, 13, 14, 15]]])
 
 
>>> arr.transpose((1, 0, 2))
array([[[ 0,  1,  2,  3],
        [ 8,  9, 10, 11]],
       [[ 4,  5,  6,  7],
        [12, 13, 14, 15]]])

    使用 numpy.transpose ()进行变换，其实就是交换了坐标轴，如：x.transpose(1, 0, 2)，其实就是将x第二维度挪到第一维上，最后的shape为：(2，2，4)

原先的数据的索引和数据对应情况为：

x[0][0][0] = 0				x[1][0][0] = 8
x[0][0][1] = 1				x[1][0][1] = 9
x[0][0][2] = 2				x[1][0][2] = 10
x[0][0][3] = 3				x[1][0][3] = 11
x[0][1][0] = 4				x[1][1][0] = 12
x[0][1][1] = 5				x[1][1][1] = 13
x[0][1][2] = 6				x[1][1][2] = 14
x[0][1][3] = 7				x[1][1][3] = 15

交换数据的索引，对应的值还是不变，即交换了坐标轴，如[0][1][0] —>[1][0][0]

x[0][0][0] = 0				x[1][0][0] = 4
x[0][0][1] = 1				x[1][0][1] = 5
x[0][0][2] = 2				x[1][0][2] = 6
x[0][0][3] = 3				x[1][0][3] = 7
x[0][1][0] = 8				x[1][1][0] = 12
x[0][1][1] = 9				x[1][1][1] = 13
x[0][1][2] = 10				x[1][1][2] = 14
x[0][1][3] = 11				x[1][1][3] = 15

根据变换后的索引进行归类

>>> arr.transpose((1, 0, 2))
array([[[ 0,  1,  2,  3],
        [ 8,  9, 10, 11]],
       [[ 4,  5,  6,  7],
        [12, 13, 14, 15]]])