python pytorch之torch.flip 按轴翻转/倒叙排列 方法

目录

方法描述

参数

函数签名

第二个参数输入单维度,翻转列表内的维度

第二个参数输入列表,则按照列表和翻转规则,依次翻转列表内的维度


方法描述

torch.flip()函数是PyTorch中用于翻转张量的函数。它可以用于在指定维度上对张量进行翻转操作

torch.flip(input,dim):第一个参数是tensor输入,第二个参数是输入的第几维度,按照维度对输入进行翻转, 反转后shape不变

参数

  • input:输入张量,可以是任意形状的张量。

  • dims:一个整数或整数列表,表示要翻转的维度。

函数签名

复制代码
torch.flip(input, dims) → Tensor

第二个参数输入单维度,翻转列表内的维度

python 复制代码
import torch
x = torch.arange(120).view(2, 3, 4,5)
print('x=\n',x)
a = torch.flip(x, [0])
b = torch.flip(x, [1])
c = torch.flip(x, [2])
d = torch.flip(x, [3])
print('a=\n',a)
print('b=\n',b)
print('c=\n',c)
print('d=\n',d)

原张量显示

x=

tensor(\[\[\[ 0, 1, 2, 3, 4,

5, 6, 7, 8, 9,

10, 11, 12, 13, 14,

15, 16, 17, 18, 19],

\[ 20, 21, 22, 23, 24,

25, 26, 27, 28, 29,

30, 31, 32, 33, 34,

35, 36, 37, 38, 39],

\[ 40, 41, 42, 43, 44,

45, 46, 47, 48, 49,

50, 51, 52, 53, 54,

55, 56, 57, 58, 59]],

\[\[ 60, 61, 62, 63, 64,

65, 66, 67, 68, 69,

70, 71, 72, 73, 74,

75, 76, 77, 78, 79],

\[ 80, 81, 82, 83, 84,

85, 86, 87, 88, 89,

90, 91, 92, 93, 94,

95, 96, 97, 98, 99],

\[100, 101, 102, 103, 104,

105, 106, 107, 108, 109,

110, 111, 112, 113, 114,

115, 116, 117, 118, 119]]])

按照0维翻转结果(在三个方括号"\[\[ ]]"内的内容为一体 在四括号内"\[\[\[ ]]]"进行倒叙排列)

a=

tensor(\[\[\[ 60, 61, 62, 63, 64,

65, 66, 67, 68, 69,

70, 71, 72, 73, 74,

75, 76, 77, 78, 79],

\[ 80, 81, 82, 83, 84,

85, 86, 87, 88, 89,

90, 91, 92, 93, 94,

95, 96, 97, 98, 99],

\[100, 101, 102, 103, 104,

105, 106, 107, 108, 109,

110, 111, 112, 113, 114,

115, 116, 117, 118, 119]],

\[\[ 0, 1, 2, 3, 4,

5, 6, 7, 8, 9,

10, 11, 12, 13, 14,

15, 16, 17, 18, 19],

\[ 20, 21, 22, 23, 24,

25, 26, 27, 28, 29,

30, 31, 32, 33, 34,

35, 36, 37, 38, 39],

\[ 40, 41, 42, 43, 44,

45, 46, 47, 48, 49,

50, 51, 52, 53, 54,

55, 56, 57, 58, 59]]])

按照1维翻转结果(在两个方括号"\[ ]"内的内容为一体 在三括号"\[\[ ]]"内进行倒叙排列)

b=

tensor(\[\[\[ 40, 41, 42, 43, 44,

45, 46, 47, 48, 49,

50, 51, 52, 53, 54,

55, 56, 57, 58, 59],

\[ 20, 21, 22, 23, 24,

25, 26, 27, 28, 29,

30, 31, 32, 33, 34,

35, 36, 37, 38, 39],

\[ 0, 1, 2, 3, 4,

5, 6, 7, 8, 9,

10, 11, 12, 13, 14,

15, 16, 17, 18, 19]],

\[\[100, 101, 102, 103, 104,

105, 106, 107, 108, 109,

110, 111, 112, 113, 114,

115, 116, 117, 118, 119],

\[ 80, 81, 82, 83, 84,

85, 86, 87, 88, 89,

90, 91, 92, 93, 94,

95, 96, 97, 98, 99],

\[ 60, 61, 62, 63, 64,

65, 66, 67, 68, 69,

70, 71, 72, 73, 74,

75, 76, 77, 78, 79]]])

按照2维翻转结果(在一个方括号" "内的内容为一体 在双括号内"\[ ]"进行倒叙排列)

c=

tensor(\[\[\[ 15, 16, 17, 18, 19,

10, 11, 12, 13, 14,

5, 6, 7, 8, 9,

0, 1, 2, 3, 4],

\[ 35, 36, 37, 38, 39,

30, 31, 32, 33, 34,

25, 26, 27, 28, 29,

20, 21, 22, 23, 24],

\[ 55, 56, 57, 58, 59,

50, 51, 52, 53, 54,

45, 46, 47, 48, 49,

40, 41, 42, 43, 44]],

\[\[ 75, 76, 77, 78, 79,

70, 71, 72, 73, 74,

65, 66, 67, 68, 69,

60, 61, 62, 63, 64],

\[ 95, 96, 97, 98, 99,

90, 91, 92, 93, 94,

85, 86, 87, 88, 89,

80, 81, 82, 83, 84],

\[115, 116, 117, 118, 119,

110, 111, 112, 113, 114,

105, 106, 107, 108, 109,

100, 101, 102, 103, 104]]])

按照3维翻转结果(在" "每个数字单独为一体 在单括号内" "进行倒叙排列)

d=

tensor(\[\[\[ 4, 3, 2, 1, 0,

9, 8, 7, 6, 5,

14, 13, 12, 11, 10,

19, 18, 17, 16, 15],

\[ 24, 23, 22, 21, 20,

29, 28, 27, 26, 25,

34, 33, 32, 31, 30,

39, 38, 37, 36, 35],

\[ 44, 43, 42, 41, 40,

49, 48, 47, 46, 45,

54, 53, 52, 51, 50,

59, 58, 57, 56, 55]],

\[\[ 64, 63, 62, 61, 60,

69, 68, 67, 66, 65,

74, 73, 72, 71, 70,

79, 78, 77, 76, 75],

\[ 84, 83, 82, 81, 80,

89, 88, 87, 86, 85,

94, 93, 92, 91, 90,

99, 98, 97, 96, 95],

\[104, 103, 102, 101, 100,

109, 108, 107, 106, 105,

114, 113, 112, 111, 110,

119, 118, 117, 116, 115]]])

第二个参数输入列表,则按照列表和翻转规则,依次翻转列表内的维度

python 复制代码
import torch
 
# 翻转张量
a = torch.tensor([[1, 2, 3], [4, 5, 6]])
b = torch.flip(a, dims=[0, 1])
print(b)

结果输出

tensor(\[6, 5, 4,

3, 2, 1])

翻转逻辑

先变成

tensor(\[4,5,6,

1,2,3])

再变成

tensor(\[6,5,4,\[\]])

相关推荐
泡^泡6 小时前
Python数据类型与运算符
开发语言·windows·python
钓了猫的鱼儿6 小时前
基于深度学习+AI的棉叶蝉目标检测与预警系统(Python源码+数据集+UI可视化界面+YOLOv11训练结果)
人工智能·深度学习·目标检测
xufengzhu7 小时前
Python库PyMySQL的使用指南
开发语言·python·pip
世辰辰辰15 小时前
批量修改图片/文本名子
开发语言·python·批量修改文件名
weifengma-wish15 小时前
Transformer 注意力为什么用内积? 而不用余弦相识度和cor等
人工智能·深度学习·transformer
AndrewHZ16 小时前
【LLM技术全景】预训练与微调:大模型如何“学习“
人工智能·深度学习·大模型·llm·微调·预训练·rlhf
myenjoy_117 小时前
MQTT 与 Sparkplug B——从车间到云端的最后一公里
网络·python
DeniuHe18 小时前
深度学习中的MLP层
人工智能·深度学习
颜酱18 小时前
LangChain 输出解析器:把模型回复变成你要的数据
python·langchain