matlab与python对张量reshape操作的区别

最近在同时使用matlab及python处理张量时，发现一个很容易出错的地方，记录下来便于以后查看。

比如考虑一个向量v=kron(kron([0,1],[2,3]),[4,5])

也即v=[0     0     0     0     8    10    12    15]

将其看成

如果要交换第一和第二个分量，结果应该是

对应变换后的向量应该是：

v=[ 0     0     8    10     0     0    12    15]

如果在matlab中，先将该向量reshape成[2,2,2]型张量，再用permute交换1、2分量，最后重新reshape成一个行向量，会发现得到的向量为：

reshape(permute(reshape(v,[2,2,2]),[2,1,3]),[1,8])

ans = 0     0     0     0     8    12    10    15

也就是说实际交换的分量为2、3.

究其原因，是出在matlab的reshape函数上。

一般来说（比如在python中），如果将v转为一个三阶张量，如下

import numpy as np
a=np.array([0,0,0,0,8,10,12,15])
a[0,:,:]

得到结果是

array([[0, 0],
       [0, 0]])

这表明，在当v=kron(kron([0,1],[2,3]),[4,5])转换为一个三阶张量后，[0,1]是其第一个分量；

但是当在matlab中运行同样的代码，如下

v=kron(kron([0,1],[2,3]),[4,5]);
v=reshape(v,[2,2,2]);
v(1,:,:)

结果为

ans(:,:,1) =

     0     0


ans(:,:,2) =

     8    12

这表明，[0,1]是这个三阶张量的第3个分量。这就是在进行张量的分量置换时，产生一些错误的原因，这主要是使用matlab会出现的错误。

拓展：在matlab中，将矩阵看成二阶张量时，行指标在前，列指标在后，比如：

v=[[1,2,3,4];[5,6,7,8]];
reshape(permute(reshape(v,[2,2,2]),[2,1,3]),[2,4])

得到结果

ans =

     1     5     3     7
     2     6     4     8