pytorch中的transpose()函数

在pytorch中，transpose()函数对于数组（numpy）和张量（numpy）的效果不同

• 对于数组而言

import numpy as np
y = np.arange(6).reshape((2,3))
#
array([[0, 1, 2],
       [3, 4, 5]])

当transpose(0, 1)时，数组不会发生变化

y.transpose(0, 1)
#
array([[0, 1, 2],
       [3, 4, 5]])

transpose(1，0)时，数组发生变化

y.transpose(1, 0)
#
array([[0, 3],
       [1, 4],
       [2, 5]])

在数组当中， transpose ()交换的是两个轴

transpose(0, 1) 表示按照原坐标轴改变序列，也就是保持不变

transpose(1, 0) 表示交换 ‘1’ 轴和 ‘0’ 轴，所以会发生变化

• 对于张量而言

import torch
a = torch.tensor([[-0.1770, -0.1937,  0.3598],
        [-0.3485, -0.2544,  0.3131]])

当transpose(0, 1)时，张量发生变化

a.transpose(0, 1)
#
tensor([[-0.1770, -0.3485],
         [-0.1937, -0.2544],
         [ 0.3598,  0.3131]])

当transpose(1, 0)时，张量发生变化

a.transpose(1, 0)
#
tensor([[-0.1770, -0.3485],
         [-0.1937, -0.2544],
         [ 0.3598,  0.3131]])

在张量当中， transpose ()交换的是两个维度

transpose(0, 1)是将第一维和第二维进行交换，transpose(1, 0)是将第二维和第一维进行交换，

所以无论是哪种情况张量都会发生改变

• 结果分析

当transpose(0, 1)时，数组不会发生变化，只有张量会发生变化

当transpose(1, 0)时，数组和张量都会发生变化

• 参考资料

https://blog.csdn.net/u012762410/article/details/78912667