pytorch中view()与permute()的维度变换的区别

1. 作用

两者都可以对tensor矩阵进行维度变化，例如：原 x.shape = [batch_size, c, h, w], 使用 x.view(batch_size, c, w, h), 即可将x的维度变换成：[batch_size, c, w, h]。
也可以使用，x.permute(batch_size, c, w, h)将维度变换成：[batch_size, c, w, h]。

但是两者实现维度变换的原理是完全不一样的

2. view()的实现原理

Step1: 先按序将数据展开；
Step2: 再按照view(a, b, c)中的a,b,c进行维度填充。
例如：

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],
        [ 4,  5,  6],
        [ 7,  8,  9],
        [10, 11, 12]])

其变换过程如图：

其索引变换如下：

3. permute()的实现原理

该函数是通过交换对应维度的index.
例如：X.shape = [2, 2, 3]， 其中一个元素$x_{(1,1,2)}$，经过X.permute(0, 2, 1)后，那么该元素的坐标则变为 $x_{(1,2,1)}$

a = torch.tensor([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]])
b = a.permute(0,2,1)

b = tensor([[[ 1,  4],
         [ 2,  5],
         [ 3,  6]],
        [[ 7, 10],
         [ 8, 11],
         [ 9, 12]]])

如图：

其坐标变换如下：

参考资料：
https://zhuanlan.zhihu.com/p/88311093