Pytorch中高阶tensor的转置操作(机器学习)

之前我们从Pytorch基础(机器学习)了解了使用.t()函数够对一维和二维tensor进行操作。对于高阶tensor的转置操作，我们应该使用.transpose(),.T或者.permute()函数。

import torch

# 可以将高阶张量的任意两个方向的进行转置, 但是一次只能实现两方向之间的转置
t1 = torch.tensor([[[1, 2],
                    [3, 4]],
                   [[5, 6],
                    [7, 8]]])

print("将第二个维度与第一个维度上的元素位置进行交换后得： ")
print(torch.transpose(input=t1, dim0=2, dim1=1))
print("-" * 40)
print(t1.T)  # 等同于tensor.permute(n-1, n-2 .... 0)
print(t1.permute(2, 1, 0))
print("上述两个结果一致")
print("-" * 40)
print("使用permute函数实现多维度重新排列后: ")
print(t1.permute(1, 2, 0))	# permute()函数可以实现多维度同时转置
"""
输出结果：
将第二个维度与第一个维度上的元素位置进行交换后得： 
tensor([[[1, 3],
         [2, 4]],

        [[5, 7],
         [6, 8]]])
----------------------------------------
tensor([[[1, 5],
         [3, 7]],

        [[2, 6],
         [4, 8]]])
tensor([[[1, 5],
         [3, 7]],

        [[2, 6],
         [4, 8]]])
上述两个结果一致
----------------------------------------
使用permute函数实现多维度重新排列后: 
tensor([[[1, 5],
         [2, 6]],

        [[3, 7],
         [4, 8]]])

"""

结果显而易见，这里不做过多说明。

码字不易，如果大家觉得有用，请高抬贵手给一个赞让我上推荐让更多的人看到吧~