pytorch中view()与permute()的维度变换的区别

本文详细介绍了PyTorch中view()和permute()两个函数在处理tensor维度变换时的不同原理。view()通过数据展开和重新填充维度实现变换,而permute()则是通过交换维度索引来改变元素排列。举例说明了两者的操作过程,并提供了具体的坐标变换示例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1. 作用

两者都可以对tensor矩阵进行维度变化,例如:原 x.shape = [batch_size, c, h, w], 使用 x.view(batch_size, c, w, h), 即可将x的维度变换成:[batch_size, c, w, h]。
也可以使用,x.permute(batch_size, c, w, h)将维度变换成:[batch_size, c, w, h]。

但是两者实现维度变换的原理是完全不一样的

2. view()的实现原理

Step1: 先按序将数据展开;
Step2: 再按照view(a, b, c)中的a,b,c进行维度填充。
例如:

a = torch.tensor([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]])
b = a.view(4,3)

b = tensor([[ 1,  2,  3],
        [ 4,  5,  6],
        [ 7,  8,  9],
        [10, 11, 12]])

其变换过程如图:
在这里插入图片描述
其索引变换如下:
在这里插入图片描述

3. permute()的实现原理

该函数是通过交换对应维度的index.
例如:X.shape = [2, 2, 3], 其中一个元素x(1,1,2)x_{(1, 1, 2)}x(1,1,2),经过X.permute(0, 2, 1)后,那么该元素的坐标则变为 x(1,2,1)x_{(1, 2, 1)}x(1,2,1)

a = torch.tensor([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]])
b = a.permute(0,2,1)

b = tensor([[[ 1,  4],
         [ 2,  5],
         [ 3,  6]],
        [[ 7, 10],
         [ 8, 11],
         [ 9, 12]]])

如图:
在这里插入图片描述
其坐标变换如下:
在这里插入图片描述
参考资料:
https://zhuanlan.zhihu.com/p/88311093

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值