Pytorch里.t()的作用

最新推荐文章于 2025-05-19 16:50:36 发布

原创最新推荐文章于 2025-05-19 16:50:36 发布 · 3.6w 阅读

57 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #Tensor #转置 #Pytorch

Python 同时被 2 个专栏收录

64 篇文章

订阅专栏

深度学习

41 篇文章

订阅专栏

博客主要围绕Pytorch中Tensor转置展开。先对转置函数进行解释，指出其在torch/_C/_VariableFunctions.py中的定义及意义。接着给出用法示例，展示示例代码及运行结果，矩阵与其转置矩阵相加得到对角矩阵。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、函数解释

二、用法示例

一、函数解释

在torch/_C/_VariableFunctions.py的有该定义，意义就是将Tensor进行转置

    def t(self, input): # real signature unknown; restored from __doc__
        """
        t(input) -> Tensor
        
        Expects :attr:`input` to be a matrix (2-D tensor) and transposes dimensions 0
        and 1.
        
        Can be seen as a short-hand function for :meth:`transpose(input, 0, 1)`
        
        Args:
            input (Tensor): the input tensor
        
        Example::
        
            >>> x = torch.randn(2, 3)
            >>> x
            tensor([[ 0.4875,  0.9158, -0.5872],
                    [ 0.3938, -0.6929,  0.6932]])
            >>> torch.t(x)
            tensor([[ 0.4875,  0.3938],
                    [ 0.9158, -0.6929],
                    [-0.5872,  0.6932]])
        """
        pass

二、用法示例

1.示例代码如下

import torch

rectangle_height = 3
rectangle_width = 3
inputs = torch.randn(rectangle_height, rectangle_width)
for i in range(rectangle_height):
    for j in range(rectangle_width):
        inputs[i] = i * torch.ones(rectangle_width)

print(inputs)
inputs2 = inputs.t()
print(inputs2)
inputs = inputs + inputs2
print(inputs)

2.运行结果，其中矩阵加上其转置矩阵得到了一个对角矩阵~

tensor([[0., 0., 0.],
        [1., 1., 1.],
        [2., 2., 2.]])
tensor([[0., 1., 2.],
        [0., 1., 2.],
        [0., 1., 2.]])
tensor([[0., 1., 2.],
        [1., 2., 3.],
        [2., 3., 4.]])