包含了flatten、view reshape transpose permute squeeze unsqueeze cat stack；在琢磨一遍之后就比较好理解了。
1.代码
import torch
import numpy as np
#生成一个2组3行4列的数据
data = torch.randn((2,3,4))
print("data.shape:\n",data.shape)
print("data:\n",data)
#对数据进行压平，行以及行以后的维度全部展平
#具体的就是一行一行的排列起来
flatten_data = torch.flatten(data,start_dim=1)
print("flatten_data:\n",flatten_data)
#可以这样想，原来的数据展成一行，然后每4个数据构成一行，每两行构成一组，最后构成三组
view_data = data.view((3,2,4))
print("view_data:\n",view_data)
#和view基本一致的用法和功能
reshape_data = torch.reshape(data,(3,2,4))
print("reshape_data:\n",reshape_data)
#transpose每次只能转换两个维度
#表示沿着组的方向， 变成了行，沿组方向也就是[0,0,:] 和[1,0,:]变成了一个组
transpose_data1 = torch.transpose(data,1,0)
print("transpose_data1:\n",transpose_data1)
#表示沿组的方向变成了列，也就是[:,0,0]变成了一行数据,结合着[:,1,0],[:,2,0]变成了一组数据
transpose_data2 = torch.transpose(data,2,0)
print("transpose_data2:\n",transpose_data2)
#这个可以同时变换多个维度
#这个要怎么理解呢？
#x轴变成了y轴,y轴变成了z轴,z轴变成了x轴
#无论怎么变化，记清楚 x方向是一行，y方向是一列，z方向是一组就可以了
permute_data = data.permute(2,0,1)
print("permute_data:\n",permute_data)
#在指定的维度上升一个维度
squeeze_data = torch.squeeze(data,dim=0)
print("squeeze_data:\n",squeeze_data)
#去掉维度为1的维度
unsqueeze_data = torch.unsqueeze(squeeze_data,dim=0)
print("unsqueeze_data:\n",unsqueeze_data)
#
x1 = torch.tensor([[11, 21, 31], [21, 31, 41]], dtype=torch.int)
x1.shape # torch.Size([2, 3])
print(x1)
# x2
x2 = torch.tensor([[12, 22, 32], [22, 32, 42]], dtype=torch.int)
x2.shape # torch.Size([2, 3])
print(x2)
x3 =torch.cat((x1,x2),0) #按维数0（行）拼接
print("按行拼接:\n",x3)
x4 =torch.cat((x1,x2),1) #按维数0（行）拼接
print("按列拼接:\n",x4)
#0的时候是升维度
#非0的时候就是升维度后，0和 设置到dim中，其他的按顺序前移动一个
#比如 0 1 2 现在dim=1 那么0跑到1位置，1往前移动一个，变成了 1 0 2
#比如 0 1 2 现在dim=2， 那么0跑到了2位置，1 2 顺势前移动一个位置，变成了 1 2 0
a = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
b = torch.tensor([[11, 22, 33], [44, 55, 66], [77, 88, 99]])
c = torch.stack([a, b], 0)
d = torch.stack([a, b], 1) #看来就是把
e = torch.stack([a, b], 2)
print("升维度拼接:\n",c)
print("拼接-类比与c.permute(1,0,2):\n",d)
print("拼接-类似于c.permute(1,2,0):\n",e)
print("c11",c.permute(1,0,2))
print("c11",c.permute(1,2,0))