tensor.permute()和tensor.transpose()-优快云博客

本文链接：https://blog.youkuaiyun.com/Small_Lemon_Tree/article/details/107273111

本文通过示例代码详细解析了PyTorch中张量的permute()和transpose()方法的区别与用法，permute()允许指定多维张量的维度顺序，而transpose()仅用于交换两个维度。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

示例文件 test.py

import torch

cor1 = torch.arange(5).float()
cor2 = torch.arange(4).float()
print(cor1)
print(cor2)

X, Y = torch.meshgrid(cor1, cor2)
print(X)
print(X.permute(0, 1))
print(X.permute(1, 0))
print(X.transpose(0, 1))
print(X.transpose(1, 0))

终端命令行及运行结果

<user>python test.py
tensor([0., 1., 2., 3., 4.])
tensor([0., 1., 2., 3.])
tensor([[0., 0., 0., 0.],
        [1., 1., 1., 1.],
        [2., 2., 2., 2.],
        [3., 3., 3., 3.],
        [4., 4., 4., 4.]])
tensor([[0., 0., 0., 0.],
        [1., 1., 1., 1.],
        [2., 2., 2., 2.],
        [3., 3., 3., 3.],
        [4., 4., 4., 4.]])
tensor([[0., 1., 2., 3., 4.],
        [0., 1., 2., 3., 4.],
        [0., 1., 2., 3., 4.],
        [0., 1., 2., 3., 4.]])
tensor([[0., 1., 2., 3., 4.],
        [0., 1., 2., 3., 4.],
        [0., 1., 2., 3., 4.],
        [0., 1., 2., 3., 4.]])
tensor([[0., 1., 2., 3., 4.],
        [0., 1., 2., 3., 4.],
        [0., 1., 2., 3., 4.],
        [0., 1., 2., 3., 4.]])

有运行结果来看：

tensor.permute()是指定式的参数，参数顺序决定转置后的张量，可以设置多维。

transpose()是交换式的参数，参数顺序不决定转置后的张量，只能设置二维。