pytorch中torch.transpose()与torch.tensor.permute()的区别

最新推荐文章于 2024-07-01 15:02:48 发布

原创最新推荐文章于 2024-07-01 15:02:48 发布 · 2.7k 阅读

10 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #python #机器学习 #pytorch #神经网络

pytorch 专栏收录该内容

4 篇文章

订阅专栏

本文对比分析了PyTorch库中用于张量维度交换的两种方法：transpose和permute。详细阐述了它们的相同点和不同点，包括参数列表、内存共享特性以及灵活性上的区别。

相同点：交换张量的维度
不同点:

参数列表:torch.transpose(dim1,dim2)只能传入两个参数，tensor在这两个维度之间交换
参数列表：torch.tensor.permute(dims)要求传入所有维度,tensor按维度排列顺序进行交换
内存：torch.transpose(dim1,dim2)得到的张量与原张量共享内存，而torch.tensor.permute(dims)不具备这个性质

总结：permute相比transpose更加灵活，transpose具有共享内存机制。

 a=torch.tensor([[[1,2,3],[4,5,6]]])
b=torch.tensor([[[1,2,3],[4,5,6]]])
c=a.transpose(2,1)
c=c.transpose(2,1)
d=b.permute(0,2,1)
d=d.permute(0,1,2)
print(c)
print(a)
print(d)
print(b)
#输出结果为：
tensor([[[1, 2, 3],
         [4, 5, 6]]])
tensor([[[1, 2, 3],
         [4, 5, 6]]])
tensor([[[1, 4],
         [2, 5],
         [3, 6]]])
tensor([[[1, 2, 3],
         [4, 5, 6]]])