在为神经网络准备输入数据时,我们需要指导网络需要的数据各维度代表什么,比如网络需要的输入按照如下方式排列
(seq_size,batch_size,input_feature_size);
而我们手中的数据是按另一种方式排列的:
(batch_size,seq_size,input_feature_size);
这时有个十分方便的函数供我们使用,可以看到只需要将手中输入数据的第0维和第1维重新排列即可得到期望的输入格式,即简单调用[tensor].permute(1,0,2)
以下是pytorch中permute函数的说明:
def permute(self, *dims): # real signature unknown; restored from __doc__
"""
permute(*dims) -> Tensor
Returns a view of the original tensor with its dimensions permuted.
Args:
*dims (int...): The desired ordering of dimensions
Example:
>>> x = torch.randn(2, 3, 5)
>>> x.size()
torch.Size([2, 3, 5])
>>> x.permute(2, 0, 1).size()
torch.Size([5, 2, 3])
"""
pass
给出一种更直观的解释:假设输入是序列型数据,其中 一个数据的shape是(s,f),一次处理b个数据(即batch),左图中黄色部分表示一个数据,希望将其变成右侧的样子,同样黄色部分表示一个数据。
下面是permute的实现结果 :
注意!通过view虽然能将维度匹配上,但是并没有实际意义