轴变换permute()和transpose()

最新推荐文章于 2023-12-28 00:31:35 发布
最新推荐文章于 2023-12-28 00:31:35 发布
阅读量599 收藏
点赞数
文章标签： python 深度学习 神经网络 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44928646/article/details/104849607
版权

permute()和transpose()都是对轴进行操作\

import torch
from PIL import Image
import numpy as np
img=Image.open(r'C:\Users\Administrator\Pictures\QQ浏览器截图\QQ浏览器截图20190301211443.png')
a=np.array(img)
b=torch.Tensor(a)
print(a.shape)
print(b.shape)
a=np.transpose(a,(2,0,1))
b=b.permute(2,0,1)
print(a.shape)
print(b.shape)

在这里插入图片描述

燕小硕
关注
坐标轴变换与坐标变换
TMS_LI的专栏
02-07 2310
坐标轴变换与坐标变换 主要结论 新坐标轴向量组成的矩阵即为对象变换矩阵 变换矩阵可以转换为新坐标轴的向量 坐标轴不正交时，点的横纵方向分量也都是与坐标轴平行的 错切不能替代旋转 矩阵与自己的逆矩阵互逆 假设B为A的逆矩阵，则 A⋅B=E A\cdot B = E A⋅B=E A⋅B⋅A=E⋅A=A A\cdot B\cdot A = E\cdot A = A A⋅B⋅A=E⋅A=A A⋅(B⋅A)=A A\cdot (B\cdot A) = A A⋅(B⋅A)=A B⋅A=E B\cdot A = E.
pytorch中tensor的底层存储方式，维度变换permute/view/reshape，维度大小和数目
lppfwl的博客
05-13 1113
记录一下pytorch中tensor的底层存储方式，维度变换permute/view/reshape，维度大小和数目。 tensor的底层存储方式 tensor的底层存储是按照行优先的原则存储的，比如： >>import torch >>a=tensor.rand((2,2,3)) >>a tensor([[[0.1345,0.4907,0.8740], [0.4888,0.5481,0.8513]], [[0.1015,0.9427,0.8660], [
Pytorch中 permute / transpose 和 view / reshape， flatten函数
ytusdc的博客
08-21 4964
Pytorch中 permute、transpose 和 view 、resize函数
张量的permute（）和transpose（）
xx_xjm的博客
03-05 2182
结论： 1：permute（）和transpose（）是按照张量的数组坐标进行转置的 一：张量的数据存储 再pytorch中，张量的存储实际上分为两个部分，一部分是张量的头信息，包括张量的shape，stride等。另一部分就是张量数据的实际存储空间，可以使用张量.storage（）方法来得到张量存储的数据，sorage（）是在data之上封装的一个接口。 参考自：PyTorch 笔记（11）— Tensor内部存储结构（头信息区 Tensor，存储区 Storage）_wohu1104的专栏-
Pytorch当中transpose()和permute()函数的区别
m0_57317650的博客
12-04 1231
方法则更灵活，可以按照指定顺序重新排列张量的维度。在选择使用哪个方法时，取决于你需要交换多少个维度以及所需的灵活性。方法更为限制，它只能进行两个维度的转置。在 PyTorch 中，
numpy之转置（transpose）和轴对换
weixin_30561425的博客
05-23 842
转置（transpose）和轴对换 转置可以对数组进行重置，返回的是源数据的视图（不会进行任何复制操作）。 转置有三种方式，transpose方法、T属性以及swapaxes方法。 1 .T,适用于一、二维数组 In [1]: import numpy as np In [2]: arr = np.arange(20).reshape(4,5)#生成一个4行5列的数组 In [3]: ar...
Python numpy数组转置与轴变换
09-18
数组的转置和轴变换是处理多维数组（矩阵）时常见的操作，对于数据分析和机器学习算法有着至关重要的作用。下面我们将深入探讨这两个概念。 **一、矩阵的转置** 矩阵的转置是将矩阵的行变为列，列变为行的过程。在...
transpose 和permute在python中的区别
04-19
transpose和permute都可以用来对多维数组进行维度的变换，但是transpose只能用于二维数组的转置，而permute可以用于任意多维数组的维度交换。transpose将数组的行和列进行互换，而permute则可以将数组中的任意两个...
C++实现 多维转换（torch.Transpose、permute）{Meta-SR}
juebai123的博客
11-14 3316
这里要实现 Meta-SR 中的元放大部分中的多维操作，比如：torch.cat，torch.arange，torch.matmul，torch.Transpose，Tensor.view，Tensor.permute 等。 matmul 是多维矩阵乘法，和二维乘法差不多，只不过是多乘几次。 permute比较复杂，可以转化为多个二维交换 Transpose。其它的哪些就比较简单了。 定义多...
numpy数组的转置与换轴transpose和swapaxes方法
Everglow_Vct的博客
12-09 3580
transpose 转置是一种特殊的数组重组形式，可以返回底层数据的视图而不需要复制任何内容。数组拥有transpose方法和特殊的T属性。 对于高维度的数组，transpose方法可以接收包含轴编号的元组，用于置换轴。 对于transpose方法展示的经典案例 arr3d = np.arange(16).reshape((2, 2, 4)) arr3d arr3d.transpose((1, 0, 2)) 这是arr3d的运行结果： 这是arr3d的transpos方法的运行结果： 例子中是一个三维
PyTorch 两大转置函数 transpose() 和 permute(), 以及RuntimeError: invalid argument 2: view size is not compati
热门推荐
xinjieyuan的博客
03-31 8万+
关心差别的可以直接看【3.不同点】 前言 在pytorch中转置用的函数就只有这两个 transpose() permute() 这两个函数都是交换维度的操作。有一些细微的区别 1. 官方文档 transpose() torch.transpose(input, dim0, dim1, out=None) → Tensor 函数返回输入矩阵input的转置。交换维度dim0和dim1 参数:...
transpose与permute
qq_46354201的博客
12-08 158
选择使用哪个函数取决于你的具体需求。如果只是交换两个维度，如果需要重新排列多个维度，
Python numpy.transpose 详解（axis坐标轴变换）
DocKen
12-13 1万+
文章“Python numpy.transpose 详解”（https://blog.csdn.net/u012762410/article/details/78912667 ）中，对transpose的原理进行了解释，但在阅读过程中，发现该文的图片有误，故现保留其原文文字部分不变，仅对其图片部分进行更正。 前言 看Python代码时，碰见 numpy.transpose 用于高维数组时挺让人费解...
PyTorch 两大转置函数 transpose() 和 permute() 以及 view()和resize()
weixin_43960370的博客
03-27 3415
最重要的区别应该是上面的第三点和第四个。另外，简单的数据用transpose()就可以了，但是个人觉得不够直观，指向性弱了点；复杂维度的可以用permute()，对于维度的改变，一般更加精准。
python transpose与permute函数详解
ice123muxin的博客
11-04 2558
transpose用法：tensor.transpose(a,b) 可以理解为矩阵转置，每次输入两个index，实现转置，是2D的操作 permute用法：tensor.permute(a,b,c) transpose仅可以进行二维转置，而permute则不仅限于二维，可以进行多维度转置   举例： import torch y = torch.randn(5, 10, 15) print(y.size()) print(y.view(-1, 15).size()) # Same as
permute()和transpose()的区别
Y2398Y的博客
09-16 1647
torch.permute（* dims ） *dims (int…) – The desired ordering of dimensions torch.transpose(input, dim0, dim1) *input (Tensor) – the input tensor. *dim0 (int) – the first dimension to be transposed *dim1 (int) – the second dimension to be transposed 代码（perm.
transpose和swapaxes函数讲解
qq_39377134的博客
09-07 516
transpose和swapaxes函数讲解 transpose() 这个函数如果括号内不带参数，就相当于转置，和.T效果一样，而今天主要来讲解其带参数。 我们看如下一个numpy的数组： `arr=np.arange(16).reshape((2,2,4)) arr= array([[[ 0, 1, 2, 3], [ 4, 5, 6, 7]], [[ 8, 9, 10, 11], [12, 13...
[Pytorch基础操作] Tensor轴变换 axis 或 dim（transpose、permute、view、reshape、einsum）
最新发布
ZhengrongYue的博客
12-28 1582
Tensor轴变换 axis 或 dim（transpose、permute、view、reshape、einsum）
关于torch中permute和Transpose 的一点理解
冷月无声的博客
03-19 3867
目录 Tensor.permute（d0,d1,d2,d2) torch.Transpose(Tensor, a,b) 参考PyTorch 高维矩阵转置 Transpose 和 Permute ；这里只讲了 ， 其它相关的函数可参考： 【1】一文掌握torch.squeeze() 和torch.unsqueeze()的用法 【2】pytorch中x = x.view(x.size(...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值