Pytorch permute()的简单用法

最新推荐文章于 2025-02-26 10:38:08 发布
最新推荐文章于 2025-02-26 10:38:08 发布
阅读量1.2k 收藏 3
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/qq_40714949/article/details/112797602
版权

作用：调换Tensor中各维度的顺序

输入：数组，用来表示调换后的各维度顺序。一开始没修改的顺序其实就是[0，1，2…]

例子：有一个6×7×8×9的Tensor，我们想将其第2维(8)和第三维(9)给调换顺序

import torch

x = torch.empty([6, 7, 8, 9])
print(x.size())
x = x.permute([0, 1, 3, 2])
print(x.size())

输出：

torch.Size([6, 7, 8, 9])
torch.Size([6, 7, 9, 8])
Pytorch之permute函数
weixin_36670529的博客
05-14 7485
1、主要作用：变换tensor维度 example： import torch x = torch.randn(2, 3, 5) print(x.size()) print(x.permute(2, 0, 1).size()) >>>torch.Size([2, 3, 5]) >>>torch.Size([5, 2, 3]) 2、介绍一下transpo...
PyTorch中permute的用法
weixin_44262126的博客
01-14 1929
最近在老师的代码中遇到了.permute这个方法，虽然知道它的功能是什么，但是维度换位时真的很不清楚它到底是怎么换的！查了很多帖子，都没有搞懂。。。 很不容易终于把它弄懂了之后，想把它记录在这里，以防止下次遗忘！ 一、当对一个tensor用permute进行维度转换时，并不会改变该tensor中的维度 ，而是需要将转换后的值赋值给另一个变量，如下图： import torch #首先，新建一个三...
【Pytorch】torch. permute()
海到无边天作岸 山登绝顶我为峰
09-02 1290
Hello！ଘ(੭ˊᵕˋ)੭昵称：海轰标签：程序猿｜C++选手｜学生简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！唯有努力💪本文仅记录自己感兴趣的内容文章仅作为个人学习笔记记录，记录从0到1的一个过程希望对您有一点点帮助，如有错误欢迎小伙伴指正。
【Pytorch】permute参数及用法说明
浩瀚之水的专栏
02-26 236
在PyTorch中，permute方法是用于重新排列张量（Tensor）维度的。这个方法非常灵活，允许你以任意顺序重新组织张量的维度。
torch中permute()函数用法
热门推荐
ac不知深的博客
10-18 5万+
前言：本文只讨论二维三维中的permute用法 最近的Attention学习中的一个permute函数让我不理解 这个光说太抽象 我就结合代码与图片解释一下 首先创建一个三维数组小实例 import torch x = torch.linspace(1, 30, steps=30).view(3,2,5) # 设置一个三维数组 print(x) print(x.size()) # 查看数组的维数 这里为了防止出现维数数值相同的巧合局面（例如三维数组（3,3,3）或者（2,4,4）等） 输出
torch中permute()函数用法补充内容（矩阵维度变化详细过程）
ac不知深的博客
04-18 6292
目录一、前言二、举例解释解释部分1、permute(0,1,2)2、permute(0,1,2) ⇒ permute(0,2,1)3、permute(0,2,1) ⇒ permute(1,0,2)4、permute(1,0,2) ⇒ permute(0,2,1)三、写在最后 一、前言 之前写了篇torch中permute()函数用法文章，没想到收藏和点赞还挺多的 那我就在详细的说一下permute函数里维度变化的详细过程 注意： 本文是这篇torch中permute()函数用法文章的补充内容 如果有精力可以
【Pytorch】torch.permute()使用
让算法融入生活，改变生活！
04-29 1307
官方文档：https://pytorch.org/docs/stable/generated/torch.permute.html?highlight=torch%20permute#torch.permute 形式：torch.permute(input, dims) → Tensor 作用：返回原始张量输入的视图，其尺寸已置换。 参数： input (Tensor) – the input tensor. dims (tuple of python:ints) – The desired orderi
pytorch permute维度转换方法
09-19
### PyTorch中的`permute`维度转换方法详解 在深度学习领域，特别是使用PyTorch进行模型训练时，数据的处理与变换是至关重要的步骤之一。本文将详细介绍PyTorch中的`permute`方法，它是一种非常实用的维度转换工具...
PyTorch中permute的用法详解
09-18
总的来说，理解并熟练掌握 `permute` 操作对于使用 PyTorch 处理和操作多维数据至关重要。在构建神经网络模型，尤其是在卷积神经网络和循环神经网络中，以及在数据预处理和后处理阶段，`permute` 都扮演着不可或缺的...
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 之 view、permute、matmul 用法
qq_39220334的博客
03-16 721
1. tensor.view 用法 tensor.view 被用于改变张量的维度。 对 4x4 的张量进行维度变换 >>> x = torch.randn(4, 4) >>> x.size() torch.Size([4, 4]) view 中指定张量维度 将 4x4 的张量变成维度为 16 的张量 >>> y = x.view(16) >>> y.size() torch.Size([16]) view 中指定一个维度，
pytorch 中 permute()函数的用法
qq_40107571的博客
08-02 1491
permute()函数用于维度变换。在图像处理中经常出现，比如说读取的图片是 numpy格式，是(h,w,c),但是torch处理的数据是(c,h,w)。所以这个函数经常使用。
【笔记】torch.permute() VS np.transpose()
nyist_yangguang的博客
05-15 1237
import numpy as np a=np.arange(1,13) print(a) a=a.reshape(2,2,3) print(a) a=a.transpose(1,0,2) print(a) import torch as t a=t.tensor(a,dtype=t.float32) a=a.permute(1,0,2) print(a) a=np.array(a) a=a.transpose(2,0,1) print(a) # a=t.tensor(a) a=t.tensor...
【pytorch函数笔记】view()、contiguous()、permute()
Catherinemin的博客
04-22 1035
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。
torch.transpose()函数torch.permute()函数解读
m0_46378271的博客
10-26 1755
目录 1 官网文档 transpose() permute() 2 使用及对比 使用： 操作的dim不同： 维度数顺序影响： 合法性不同： 相同点： 再使用view()和reshape()时 在pytorch中转置用的函数就只有这两个 1.transpose() 2.permute() 1 官网文档 transpose() http://torch.transpose — PyTorch 1.10.0 documentation torch.transpose(inpu.
torch.permute方法使用，后需要加.contiguous()方法
qq_43369406的博客
04-07 2149
pytorch的permute方法用于调整矩阵的维度。同numpy的transpose()方法，但需要注意的是使用permute后需要使用contiguous方法。在PyTorch中，permute()方法可以重新排列张量的维度。但是，由于内存布局的原因，有时需要使用contiguous()方法来确保张量是连续的。如果张量不是连续的，则可能会导致一些操作失败。在这个例子中，我们使用permute()方法将第一个维度移动到最后一个维度。然后，我们使用contiguous()方法来确保张量是连续的。
permute（）用法
sky的博客
03-20 5023
permute(dims) 将tensor的维度换位。 参数：参数是一系列的整数，代表原来张量的维度。比如三维就有0，1，2这些dimension。 例： import torch import numpyas np a=np.array([[[1,2,3],[4,5,6]]]) unpermuted=torch.tensor(a) print(unpermuted.size())...
permute函数_permute()和view()
weixin_39710951的博客
12-06 351
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], [ ...
permute函数
woxiangxinwang的博客
02-13 1241
permute():将tensor的维度换位。 permute(多维数组,[维数换位顺序]) 比如: a=rand(2,3,4); %a是一个三维数组，各维的长度分别为：2，3，4 permute(a,[2,1,3]) %实现了交换第一维和第二维，a变成3*2*4的矩阵
pytorch。permute
最新发布
03-04
### PyTorch `permute` 函数详解 #### 功能描述 `torch.Tensor.permute(*dims)` 方法用于改变张量维度的顺序。此操作不会更改数据本身，仅重新排列其维度[^1]。 #### 参数说明 - *dims (int...)*: 新的维度顺序。整数序列应包含原张量所有的维索引，并且每个索引只出现一次。 #### 返回值 返回一个新的视图对象，具有指定的新维度顺序。 #### 使用场景 当需要调整多维数组（如图像通道、时间步长等）的位置时非常有用。例如，在计算机视觉任务中经常遇到将颜色通道从最后一维移动到第二维的情况。 #### 示例代码 以下是几个具体的例子来展示如何使用 `permute()`: ```python import torch # 创建一个形状为 [2, 3, 5] 的随机张量 tensor = torch.randn(2, 3, 5) print("原始张量:") print(tensor.shape) # 输出: torch.Size([2, 3, 5]) # 将第零维放到最后一位，其余保持不变 -> 形状变为 [3, 5, 2] transposed_tensor = tensor.permute(1, 2, 0) print("\n转置后的张量:") print(transposed_tensor.shape) # 输出: torch.Size([3, 5, 2]) ``` 对于四维卷积神经网络常用的 NCHW 格式的输入张量： ```python batch_size = 4 channels = 3 height = 28 width = 28 input_tensor = torch.rand((batch_size, channels, height, width)) output_tensor = input_tensor.permute(0, 2, 3, 1) # NHWC format print(f"\nNCHW to NHWC:\nOriginal shape {input_tensor.shape} \nPermuted shape {output_tensor.shape}") ``` 上述代码展示了如何把标准的 NCHW 数据格式转换成 TensorFlow 或者其他框架更常见的 NHWC 格式。
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