Pytorch中View和Permute函数比较

描述

View和Permute函数都可以用来reshape（调整矩阵形状），本文主要用来测试其不同点。

实验

测试代码：

def test_view_permute():
    origin = torch.arange(12).view(3, 4)
    print(origin)
    dest1 = origin.view(4, 3)
    dest2 = origin.permute(1, 0)
    print(f'dest1, {dest1}')
    print(f'dest2, {dest2}')

输出结果：

tensor([[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]])
dest1, tensor([[ 0,  1,  2],
        [ 3,  4,  5],
        [ 6,  7,  8],
        [ 9, 10, 11]])
dest2, tensor([[ 0,  4,  8],
        [ 1,  5,  9],
        [ 2,  6, 10],
        [ 3,  7, 11]])

在控制台输出详细信息：

dest1.is_contiguous()
True
dest2.is_contiguous()
False
dest1.stride()
(3, 1)
dest2.stride()
(1, 4)

结论

使用View时，是在连续数据上进行reshape（原始数据origin[1][2]!=dest1[2][1]）；
使用Permute时，是在维度上做了变换，类似于转置T，（原始数据origin[1][2]==dest1[2][1]）。