对input进行维度排列变换——permute()

 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