在PyTorch中,我们时常会对张量进行转置操作。若张量是二维 的,则非常容易理解 。若张量维度更高 ,则会令人摸不到头脑。
高维张量究竟是怎么转置的?简单来说,就是将参与转置的维度抽出来,将内侧的子张量视为一个元素;这样,抽出来的两个维度便是正常的二维矩阵,此时便容易理解了。转置完成后,恢复原样即可。
这么说是比较抽象的,一图解百忧!: )
请看下面的图!
在PyTorch中,我们时常会对张量进行转置操作。若张量是二维 的,则非常容易理解 。若张量维度更高 ,则会令人摸不到头脑。
高维张量究竟是怎么转置的?简单来说,就是将参与转置的维度抽出来,将内侧的子张量视为一个元素;这样,抽出来的两个维度便是正常的二维矩阵,此时便容易理解了。转置完成后,恢复原样即可。
这么说是比较抽象的,一图解百忧!: )
请看下面的图!