图解PyTorch中的Transpose操作

最新推荐文章于 2025-04-01 10:06:51 发布

纯真CZ

最新推荐文章于 2025-04-01 10:06:51 发布

阅读量488

点赞数 4

文章标签： pytorch 人工智能 python

本篇文章遵循CC-BY-NC-ND 4.0协议，仅供参考，请勿用于商业用途，谢谢。

本文链接：https://blog.csdn.net/weixin_52027058/article/details/140435735

版权

在PyTorch中，我们时常会对张量进行转置操作。若张量是二维的，则非常容易理解。若张量维度更高，则会令人摸不到头脑。

高维张量究竟是怎么转置的？简单来说，就是将参与转置的维度抽出来，将内侧的子张量视为一个元素；这样，抽出来的两个维度便是正常的二维矩阵，此时便容易理解了。转置完成后，恢复原样即可。

这么说是比较抽象的，一图解百忧！: )请看下面的图！

在这里插入图片描述

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

纯真CZ

关注关注

4
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

Pytorch 张量变形、转置及维度调整

bbaaa123的博客

08-21

894

pytorch 张量变形、转置及维度调整详解

【AI小项目4】用Pytorch从头实现Transformer（详细注解）

AI完全体

09-13

1839

阅读Transformer论文并用Pytorch从头实现了简单的Transformer模型

参与评论您还未登录，请先登录后发表或查看评论

pytorch中的矩阵的转置问题

gehueuwhgw的博客

11-02

4186

pytorch三阶张量转置问题

PyTorch 中的转置操作：深入理解 `transpose()` 和 `permute()

热门推荐

xinjieyuan的博客

03-31

10万+

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:...

【Pytorch】tensor 转置 t()

mjiansun的专栏

01-02

3万+

tensor的t()属性实现转置 >>> import torch >>> x = torch.Tensor([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]]) >>> x 1 2 3 4 5 6 7 8 9 10 [torch.FloatTensor of size 2x5] ...

Pytorch编写Transformer

a_blade_of_grass的博客

06-19

1937

本文参考自在学习了图解Transformer以后，需要用Pytorch编写Transformer，下面是写代码的过程中的总结，结构根据图解Transformer进行说明。

深度学习从索引开始：PyTorch 张量索引与切片最全解析

吴师兄大模型的博客

01-03

795

在深度学习中，张量索引操作是处理数据时的重要技能。PyTorch 提供了多种灵活的索引方式，包括简单行列索引、列表索引、范围索引、布尔索引和多维索引，能够满足不同的数据选择需求。

pytorch 计算ConvTranspose1d输出特征大小方式

12-17

转置卷积常在卷积神经网络（CNN）中用于增加输入的尺寸，例如在图像生成、语义分割或 upsampling 操作中。本篇文章将详细介绍如何计算`nn.ConvTranspose1d`的输出特征大小，并通过示例代码解释其工作原理。首先，...

PyTorch张量介绍

2401_86968005的博客

02-22

426

梯度丢失问题：确认requires_grad=True和grad_fn状态。梯度传播：requires_grad=True时操作会被记录。非连续内存错误：调用contiguous()转换内存布局。内存共享：某些操作（如view()）会共享底层数据。设备不一致错误：通过device属性统一计算设备。设备一致：CPU和GPU上的张量不能直接运算。内存共享异常：使用clone()切断存储共享。形状不匹配错误：检查shape属性是否兼容。PyTorch的核心特性：自动微分。形状匹配：进行运算时维度必须兼容。

Pytorch基础操作 —— 8. 张量转置操作

老程的技术笔记

10-18

1万+

文章目录torch.transpose对于高维度张量 torch.transpose 我们有时候会遇到这样的问题，某个时刻我们希望把某个张量从横向量，转置成纵向量。因为对于线性代数来说，矩阵的基本计算法则告诉我们，两个矩阵叉乘必须满足 [l×m]×[m×n][l \times m] \times [m \times n][l×m]×[m×n] 才可以进行计算。但有时候我们为了方便会创建出两个这样维度的矩阵 [m×l][m \times l][m×l] 和 [m×n][m \times n][m×n]，为了执

PyTorch: 张量的变换、数学运算及线性回归

timerring的博客

10-30

968

文章目录张量变换 1.torch.reshape 2.torch.transpose 3.torch.t() 4.torch.squeeze() 5.torch.unsqueeze() 张量的数学运算 1.加减乘除 2.对数，指数，幂函数 3.三角函数应用：线性回归张量变换 1.torch.reshape torch.reshape(input,shape) 功能：变换张量形状注意事项：当张量在内存中是连续时，新张量与 input 共享数据内存 input : 要变换的张量 shape 新张量

PyTorch中的转置卷积详解——全网最细

w55100的博客

06-01

1万+

前言转置卷积，学名transposed convolution，在tf和torch里都叫这个。有时在论文里可以看到别人叫它deconvolution（反卷积），但这个名词不合适。因为转置卷积并非direct convolution的逆运算(reverse)，并不能还原出原张量。只是从形状上看，其结果的形状等同于逆运算。写这篇文章还是因为网上介绍转置卷积的博客，都讲不清楚，我看了半天还是云里雾里。只能自己手动来一篇了。一、基本运算——错位扫描定义本文中，我们将平时用到的普通卷积，称为dir

卷积与转置卷积——pytorch

andy dennis的博客

11-03

717

前言在学习dcgan的时候，发现有段代码用到了转置卷积，看着他们维度计算部分有点迷糊，决定回忆一下。本来想着既然有人写了，那就不写了吧，后来想着反正以后搞cv，应该大概率需要到，还是复习一下吧。书写本文时参考了卷积输出尺寸和转置卷积输出尺寸的计算方式卷积之后维度的计算卷积 import torch import torch.nn as nn downsample = nn.Conv2d(16, 16, 3, stride=2, padding=1) input = torch.randn((1

Pytorch张量转置维度该怎么写？

代码的女朋友的博客

03-25

1534

numpy里的transpose函数用法以及torch的transpose函数用法对比

pytorch张量转换

吕海洋的博客

08-11

970

pytorch张量转换

pytorch中transpose函数的使用方法

03-18

### PyTorch 中 `transpose` 函数的用法在 PyTorch 中，`torch.transpose` 或者张量对象上的 `.transpose(dim0, dim1)` 方法用于交换指定的两个维度。该方法对于调整低维张量（通常不超过三维）特别有用。 #### ...