pytorch中的permute和view

最新推荐文章于 2024-09-11 17:53:18 发布
最新推荐文章于 2024-09-11 17:53:18 发布
阅读量443 收藏 2
点赞数
分类专栏： pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/mystyle_/article/details/111509363
版权

总的来说，就是transpose只能用于二维矩阵的转置（可以是高维矩阵中的二维），permute可以看作是多次进行transpose，其本质是维度互换

然而view必须操作在一个contiguous 的tensor上，原因是因为其操作先把tensor展成一个一维的向量，之后再reshape成一个想要的维度。

因此view和permute的操作含义不一样，但是具体使用中怎么正确的使用我还没搞的特别清楚，日后填坑

转载好文章https://zhuanlan.zhihu.com/p/76583143

永远爱好技术的王师傅
关注
专栏目录
Pytorch之permute函数
qq_43489708的博客
06-06 1097
1 先看看官方中英文doc： 1.1 permute(dims)将tensor的维度换位。参数： - dims (int …*) - 换位顺序例： 2 pytorch permute的使用permute函数功能还是比较简单的，下面主要介绍几个细节点：2.1 transpose与permute的异同Tensor.permute(a,b,c,d, …)：permute函数可以对任意高维矩阵进行转置，但没有 torch.permute() 这个调用方式， 只能 Tensor.permute()： torch.tr
pytorch——permute，view
七月听雪的博客
08-31 468
permute()，适合多维数据。可以灵活的对原数据的维度进行调换，而数据本身不变。 view() 把原先tensor中的数据按照行优先的顺序排成一个一维的数据（这里应该是因为要求地址是连续存储的），然后按照参数组合成其他维度的tensor。比如说是不管你原先的数据是[[[1,2,3],[4,5,6]]]还是[1,2,3,4,5,6]，因为它们排成一维向量都是6个元素，所以只要view后面的参数...
一文搞懂 | Pytorch维度转换操作：view，reshape，permute，flatten函数详解
最新发布
u012374012的专栏
09-11 1229
在深度学习网络构建与计算过程中，我们经常会使用到张量维度之间的各种转换，用于不同操作。Pytorch中。本文将详细介绍这几个函数的作用与使用方式，并给出了具体的代码示例，希望能够帮助大家。常见的维度有四维：比如（batch, channel, height, width）；三维：比如（b,n,c）；二维：比如（h,w）。下面介绍如何使用上述函数进行维度之间的转换。
torch permute和view
RUN
11-10 1799
permute针对的是转换维度，view等价于reshape。 permute作用为调换Tensor的维度，参数为调换的维度。例如对于一个二维Tensor来说，调用tensor.permute(1,0)意为将1轴（列轴）与0轴（行轴）调换，相当于进行转置。 In [20]: a Out[20]: tensor([[0, 1, 2], [3, 4, 5]]) In [21]: a.permute(1,0) Out[21]: tensor([[0, 3],
permute和view
zx897157658的博客
10-26 435
对于立方体 permute只是从不同角度去看他，导致长宽高发生了改变，其实还是同一个长方体 但是view会直接改变长方体的长宽高，相当于一个没变形，一个变形了
Pytorch中 permute / transpose 和 view / reshape， flatten函数
ytusdc的博客
08-21 4964
Pytorch中 permute、transpose 和 view 、resize函数
基于PyTorch的permute和reshape/view的区别介绍
09-16
在PyTorch中，`permute`、`reshape`（通过`.view()`方法实现）和`view`都是处理Tensor形状变换的重要操作，但它们之间有着本质的区别。 首先，`permute`函数的主要功能是对Tensor的维度进行调换。它接受一个维度...
PyTorch中permute的用法详解
09-18
在PyTorch中，`permute` 是一个非常重要的操作，它用于重新排列张量的维度，使得数据的顺序按照指定的新序列进行排列。在深度学习和机器学习中，处理多维数据时，灵活地调整张量的维度顺序是至关重要的，`permute` ...
PYTORCH疑惑系列--permute，view，shape
qq_40246742的博客
11-13 1288
在深度学习中经常出现维度转换操作，但维度转换很可能会打乱数据。这次我们设置一些实验去了解原理。 bs = 8 x = torch.tensor([ [ [1, 2],[3, 4],[5, 6],[7, 8] ], [ [9, 10],[11, 12],[13, 14],[15, 16] ], [ [17, 18],[19, 20],[21, 22],[23, 24] ], [ [25,
pytorch中的permute，transpose和view之间的区别。
weixin_58630610的博客
08-13 650
1、permute，具体的例子如下： import torch grid_x = torch.arange(5).repeat((5, 1)).view((1, 1, 5, 5)).float() # 格式：1,1,5,5 grid_y = grid_x.permute(0, 1, 3, 2) print(grid_x) print(grid_y) 结果如下： tensor([[[[0., 1., 2., 3., 4.], [0., 1., 2., 3., 4.],
Pytorch view和permute的区别
EMIvv的博客
01-19 913
a = torch.tensor([[[1,2,3],[4,5,6]]]) b = a.view(3,2) c = a.permute(0,2,1) print(a.size(),a) print(b.size(),b) print(c.size(),c) 结果： a: torch.Size([1, 2, 3]) tensor([[[1, 2, 3], [4, 5, 6]]]) b: torch.Size([3, 2]) tensor([[1, 2], [3, 4],
permute函数_permute()和view()
weixin_39710951的博客
12-06 299
前几天使用pytorch时，需要对tensor进行转置，请注意要使用函数permute()而不是view()很简单，只需要举两个例子就明白区别，view()的运行方式是这样的：a = torch.tensor([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]]) b = a.view(4,3) b = tensor([[ 1, 2, 3], [ ...
PyTorch中view、permute、reshape对比
Home to come
07-24 1222
view用法 Tensor.view(*shape) → Tensor 通俗理解：     把原先tensor中的数据按照行优先的顺序排成一个一维的数据（这里应该是因为要求地址是连续存储的），然后按照参数组合成其他维度的tensor。比如说是不管你原先的数据是[[[1,2,3],[4,5,6]]]还是[1,2,3,4,5,6]，因为它们排成一维向量都是6个元素，所以只要view后面的参数一致，得到的结果都是一样的。比如， a=torch.Tensor([[[1,2
[PyTorch] 使用 view() 和 permute() 转换维度
胭脂草的ABC博客
09-13 588
PyTorch 是一個基於 Python 的深度學習框架，我們可以藉由 PyTorch 所包裝好的模組、函式，輕易地實作我們想要實現的模型架構。而說到深度學習，就不得不提到使用 GPU 的平行化運算，提到 GPU 的平行化運算，就一定得說到我們得將輸入神經元的『維度』固定，好實現平行化運算。 所以，整理我們輸入張量 (Tensor) 的維度與形狀，自然就是得費心處理的工作了。 本篇文章希望紀錄在 PyTorch 當中改變張量形狀的兩個重要的函式 —— view() 以及 permute()，這兩個函式都
torch：transpose()和permute()和view()的联系与区别
u013373155的博客
04-01 1334
transpose()和permute()和view()的联系与区别
Pytorch view()函数和permute()函数的区别
Vertira的博客
06-29 240
Pytorch view()函数和permute()函数的区别
【pytorch函数笔记】view()、contiguous()、permute()
Catherinemin的博客
04-22 721
permute()，这个函数是做维度交换的torch.view()方法对张量改变“形状”其实并没有改变张量在内存中真正的形状。简单地说，view方法没有拷贝新的张量，没有开辟新内存，与原张量共享内存，只是重新定义了访问张量的规则，使得取出的张量按照我们希望的形状展现。torch.contiguous()方法首先，然后将地址按照形状改变后的张量的语义进行排列。就是说contiguous()方法改变了多维数组在内存中的存储顺序，以便配合view方法使用。
pytorch中的维度变换操作性质大总结：view, reshape, transpose, permute
BigerBang的博客
06-06 1198
在深度学习中，张量的维度变换是很重要的操作。在pytorch中，有四个用于维度变换的函数，view, reshape, transpose, permute。其中view和reshape都用于改变张量的形状，transpose, permute都用于重新排列张量的维度，但它们的功能和使用场景有所不同，下面将进行详细介绍，并给出测试验证代码，经过全面的了解，我们才能知道如何正确的使用这四个函数。
pytorch view函数用法
10-19
PyTorch中的view函数用于重构张量的维度，类似于Numpy中的resize()函数。它可以改变张量的形状，但不会改变张量中的元素数量。...1. PyTorch中的reshape函数和view函数有什么区别？ 2. 如何在PyTorch中实现张量的
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值