深度学习之Pytorch中的flatten()、transpose()和permute()

1、flatten()：压缩维度

input_tensor.flatten(start_dim, end_dim)，其中 input_tensor 就是输入的你想压缩的 tensor，start_dim 和 end_dim 分别是开始压缩和结束压缩的维度

注意：如果只填了一个参数dim，则表示从dim这个维度开始，进行最大程度的压缩

import torch
x=torch.randn(2,3,5,5)
output=x.flatten(1,2)
print(output.shape) # torch.Size([2,15,5])
new_output=x.flatten(2)
print(new_output.shape) # torch.Size([2,3,25])

2、transpose()：转置（两个维度）

input_tensor.transpose(start_dim, end_dim)，其中 input_tensor 就是输入的你想压缩的 tensor，start_dim 和 end_dim 是要转置（也就是交换）的两个维度

import torch
x=torch.randn(2,3,5,5)
output=x.transpose(1,2)
print(output.shape) # torch.Size([2,5,3,5])

3、permute()：按照指定维度排列进行转置（多个维度）

input_tensor.permute(first_dim, second_dim, …, last_dim)，其中 input_tensor 就是输入的你想压缩的 tensor，first_dim, second_dim, …, last_dim 是指定维度排列顺序，比如一个3维的张量本来的维度排列为 (0, 1, 2)，可以使用 permute(1, 2, 0) 改变成 (1, 2, 0) 的排列

import torch
x=torch.randn(2,3,5,5)
output=x.permute(1,2,0,3)
print(output.shape) # torch.Size([3,5,2,5])