pytorch中矩阵变形

1.transpose

有两种调用方式，只能针对2D矩阵

Tensor.transpose(0,1) 交换0、1维度

transpose(Tensor,0,1) 交换0、1维度，返回Tensor

2.permute

只有一种调用，针对高纬矩阵

Tensor.permute(2,0,1)

!!相当于np.transpose可以进行高纬矩阵转置

3.view

返回指定维度的tensor

Tensor.view(-1,8)  #-1代表自动计算

Tensor.view(2,6) 

4.torch.reshape(因为还有一个np.reshape不做考虑)

Tensor.reshape(3,4)  不改变原来，重新复制一个

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

b = x.reshape((4, 3, 1))
c = x.reshape((1, 3, 4))
d = x.reshape((12, 1))
print('x_shape:', x.shape)  # torch.Size([2, 2, 3])
print('b_shape:', b.shape)  # b_shape: torch.Size([4, 3, 1])
print('c_shape:', c.shape)  # c_shape: torch.Size([1, 3, 4])
print('d_shape:', d.shape)  # d_shape: torch.Size([12, 1])

5.squeeze 和unsqueeze

删减和增加维度

Tensor.unsqueeze(1)  在第二维增加一个维度

Tensor.squeeze(-1)删去最后一个维度是1的维度（维度是1只起到扩钟维度的作用，不影响数值）

 y = torch.aqueeze(Tensor)

关于 view 和reshape区别可以参考：Pytorch: view()和reshape()的区别？他们与continues()的关系是什么？_view和reshape的区别-CSDN博客

view 只适合对满足连续性条件 (contiguous) 的 Tensor进行操作，不会重新复制一份，只是访问方式变了，而reshape 同时还可以对不满足连续性条件的 Tensor 进行操作，无脑用reshape 就对了