tf.transpose()的通俗解释

tf.transpose(
    a,
    perm=None,
    name='transpose',
    conjugate=False
)

a:表示的是需要变换的张量

perm:a的新的维度序列

name:操作的名字

conjugate:可选的，设置成True，那么就等于tf.conj(tf.transpose(input))

主要来说perm属性

perm的意思是张量的维度 i 将对应于输入维度 perm[i].

解释一下什么意思：

比如一个二维张量a,其形状为[2,3]，即第一维的维度为2，第二维的维度为3。

使用tf.transpose(a,perm = [1,0]),perm[1,0]的意思就是把a中第一个维度变成第二个维度的维度，先找到a形状的第一个维度，把a形状数组（[2,3]）的第一个元素a[0]（此处的0指的是下标，即第一个元素）,设置成a的形状数组中[2,3]的下标为1的元素值。在把a形状数组的第二个元素a[1]（此处的1指的是下标，即第二个元素），设置成a形状数组中下标为0的元素的值

perm[1,0]的1做了这些事：

1：a里面的第一个维度是2

2：我们要把第一个维度转换一下

3：转换成什么呢

4：perm[1,0]里的1代表a的形状数组[2,3]中，元素下标为1的元素，即维度中第二维，即perm[1，] = a[1] = 3

5：即：a[0] = a[perm[0]]

如果还不好理解，重点看下面的解释：

对于三维数组b = [2,3,4]，代表行为3，列为4，通道为2的数组，如果进行tf.transpose(a,perm = [2,0,1])

1：先把b第一维度变成第三个维度的维度（原来维度为[2,3,4]）,这是因为perm = [2,0,1]，perm[0] = 2(数组下标从0开始，2指的是第三个维度，0指的是第一个维度，1指的是第二个维度,而第三个维度的维度为4),b的第一个维度变成4，b=[4,?,?]

2:把b的第二个维度变成原来第一个维度的维度（原来维度为[2,3,4]),这是因为perm = [2,0,1],perm[1] = 0,b的第二个维度变成2，b= [4,2,?]

3:把b的第三个维度变成原来第二个维度的维度（原来维度为[2,3,4]),这是因为，perm = [2,0,1],perm[2] = 1,b的第三个维度变成3，b= [4,2,3]