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