torch.tensor.permute()函数《pytorch学习》

引言：首先我个人理解为这个函数是一个张量维度变换、张量矩阵转置的函数。

1.张量维度变换。

官方给出的是这个样子：Tensor.permute(*dims) → Tensor（还是不太懂）

于是参考了这里，然后自己整理思绪，探索了一下！下面给出例子！

代码：

data1=torch.randn((3,2,1))
print('data1的数据类型：',type(data1))
print('data1的数据维度：',data1.shape)

data2=data1.permute(2,1,0)
print('data2的数据类型：',type(data2))
print('data2的数据维度：',data2.shape)

output：

data1的数据类型：
data1的数据维度： torch.Size([3, 2, 1])
data2的数据类型：
data2的数据维度： torch.Size([1, 2, 3])

然后我们继续看看值变了没有？

output：

data1的输出值： tensor([[[-0.0229],        注意上面两行是一块，
                                         [-0.4284]],       下面有两块，相当于3快（3维度）

                                        [[-0.0221],
                                         [-0.0945]],

                                         [[ 1.1457],
                                          [-0.7088]]])
data2的输出值： tensor([[[-0.0229, -0.0221,  1.1457],
                                         [-0.4284, -0.0945, -0.7088]]])

果然将（3，2，1）维度数据转换为（1，2，3）

2.维度转换。

在二维空间里，看的很明显，理解为矩阵转置，不知道在高纬度里面长啥样？

代码

data1=torch.randn((2,3))
print(data1)
data2=data1.permute(1,0) #类似于转置
print(data2)

output：

tensor([[-1.3697,  0.0934, -1.1175],
            [-1.0730, -2.2339, -0.7593]])
tensor([[-1.3697, -1.0730],
            [ 0.0934, -2.2339],
            [-1.1175, -0.7593]])

从二行三列转变为三列二行，再观察数值，发现转置了。

2.结束;

GAME OVER

如果小伙伴梦有疑问欢迎在评论区留言哦！！！

如果感觉不错的话！你懂得（O(∩_∩)O哈哈~）

欢迎和小伙伴梦一起学习，共同努力，加油！！！