pytorch中permute()函數(shù)用法補(bǔ)充說明(矩陣維度變化過程)

更新時間：2022年04月27日 10:50:21 作者：ac不知深

這篇文章主要給大家介紹了關(guān)于pytorch中permute()函數(shù)用法補(bǔ)充說明的相關(guān)資料,本文詳細(xì)說明了permute函數(shù)里維度變化的詳細(xì)過程,需要的朋友可以參考下

一、前言

之前寫了篇torch中permute()函數(shù)用法文章，在詳細(xì)的說一下permute函數(shù)里維度變化的詳細(xì)過程

非常感謝@m0_46225327對本文案例更加細(xì)節(jié)補(bǔ)充

注意：

本文是這篇torch中permute()函數(shù)用法文章的補(bǔ)充內(nèi)容

如果有精力可以把這篇文章閱讀一下，能夠更好的理解函數(shù)的維度變化過程

以及加深對輸出結(jié)果的印象

二、舉例解釋

這里以比較經(jīng)典的變化四做例子

先回顧一下變化四的內(nèi)容：

————————————————分割線——————————————

變化四：0與2交換

b = x.permute(2,1,0)            # 交換塊和列
print(b)
print(b.size())

此時參數(shù)0對應(yīng)的3塊經(jīng)過permute已經(jīng)變成了5塊

參數(shù)2對應(yīng)的5列已經(jīng)變成了3列

————————————————分割線——————————————

解釋部分

變化四中permute參數(shù)把（0,1,2）交換成了（2,1,0）

直觀上看是直接把0和2兩個位置直接交換

實(shí)際上兩個參數(shù)交換包括了以下部分

維度變換重點(diǎn)

維度數(shù)值變換：(3,2,5)==>(3,5,2)==>(5,3,2)==>(5,2,3)
# 讀者一定要考慮清楚下一行代表什么意思
函數(shù)中參數(shù)變換(0,1,2)==>(0,2,1)==>(1,0,2)==>(0,2,1)
# 第一個"==>" 變化為2和5交換，對應(yīng)函數(shù)里的參數(shù)0不動，1和2交換 ，變換完后為(0,2,1)，對應(yīng)維度是(3,5,2)。重排序?yàn)?0,1,2)
# 第二個"==>" 變化為3和5交換，對應(yīng)函數(shù)里的參數(shù)2不動，0和1交換，變換完后為(1,0,2)，對應(yīng)維度是(5,3,2)。重排序?yàn)?0,1,2)
# 第三個"==>" 變化為3和2交換，對應(yīng)函數(shù)里的參數(shù)0不動，1和2交換，變換完后為(0,2,1)，對應(yīng)維度是(5,2,3)。重排序?yàn)?0,1,2)

或者看表格更容易理解些？

維度變換過程	維度數(shù)值變換	函數(shù)參數(shù)變換
(3,2,5)	-	(0,1,2)
(3,5,2)	2和5	(0,1,2)==> (0,2,1)
(5,3,2)	3和5	(0,1,2)==>(1,0,2)
(5,2,3)	3和2	(0,1,2)==>(0,2,1)

這里先給大家把代碼放上來

便于大家驗(yàn)證理解

也可以先跳過代碼部分直接看圖片解釋

import torch

x = torch.linspace(1,30,steps=30).view(3,2,5)
print('x:',x)
print(x.size())

# permute(0,1,2)==>permute(2,1,0)
# (3,2,5)==>(3,5,2)==>(5,3,2)==>(5,2,3)
#
# (0,1,2)==>(0,2,1)==>(1,0,2)==>(0,2,1)

b1 = x.permute(0,2,1)
print('b1:',b1)
print(b1.size())

b2 = b1.permute(2,0,1)
print('b2:',b2)
print(b2.size())

b = b2.permute(2,1,0)
print('b:',b)
print(b1.size())