PyTorch中的permute, transpose, view, reshape和flatten函数详解(已解决)

1.permute

permute函数用于重新排列张量的维度。它接受一个元组作为参数,表示新的维度顺序。例如,如果我们有一个形状为(2, 3)的二维张量,我们可以使用permute函数将其维度重新排列为(3, 2),如下所示:

复制代码
>>> import torch
>>> x = torch.randn(2,3)
>>> x
tensor([[-0.5945,  0.7441,  0.5515],
        [-1.3831,  0.4533, -0.6908]])
>>> y = x.permute(1,0)
>>> y
tensor([[-0.5945, -1.3831],
        [ 0.7441,  0.4533],
        [ 0.5515, -0.6908]])
>>>

首先创建了一个形状为(2, 3)的二维张量x。然后,我们使用permute函数将其维度重新排列为(3, 2),并将结果存储在变量y中。

2.transpose

transpose函数用于交换张量的两个维度。它接受两个整数作为参数,表示要交换的维度的索引。例如,如果我们有一个形状为(2, 3)的二维张量,我们可以使用transpose函数交换第0维和第1维,如下所示:

复制代码
>>> import torch
>>> x = torch.randn(2,3)
>>> x
tensor([[-0.5945,  0.7441,  0.5515],
        [-1.3831,  0.4533, -0.6908]])

>>> y=x.transpose(0,1)
>>> y
tensor([[-0.5945, -1.3831],
        [ 0.7441,  0.4533],
        [ 0.5515, -0.6908]])
>>>

在上面的例子中,创建了一个形状为(2, 3)的二维张量x。然后,我们使用transpose函数将第0维和第1维交换,并将结果存储在变量y中。

需要注意的是,transpose函数与permute函数不同,它只交换两个特定的维度,而permute函数可以重新排列所有维度。

3.view / reshape

view和reshape函数用于将张量重塑为不同的形状。它们接受一个或两个整数元组作为参数,表示新的形状。例如,如果我们有一个形状为(2, 3)的二维张量,我们可以使用view或reshape函数将其重塑为形状为(6,)的一维张量,如下所示:

复制代码
>>> import torch
>>> x = torch.randn(2,3)
>>> x
tensor([[-0.5945,  0.7441,  0.5515],
        [-1.3831,  0.4533, -0.6908]])

>>> y = x.view(-1)
>>> y
tensor([-0.5945,  0.7441,  0.5515, -1.3831,  0.4533, -0.6908])
# 或者
>>> y=x.reshape(-1)
>>> y
tensor([-0.5945,  0.7441,  0.5515, -1.3831,  0.4533, -0.6908])
>>>

在上面的例子中,创建了一个形状为(2, 3)的二维张量x。然后,我们使用view或reshape函数将x重塑为形状为(6,)的一维张量,并将结果存储在变量y中。

需要注意的是,view和reshape函数实际上不会改变张量中的数据,只是改变了数据的布局方式。因此,新的形状必须与原始形状兼容,否则会抛出错误。具体来说,新的形状的元素总数必须与原始形状的元素总数相同。

4. flatten

flatten函数用于将多维张量展平为一维张量。它接受一个整数作为参数,表示展平后的一维张量的最大长度。例如,如果我们有一个形状为(2, 3)的二维张量,我们可以使用flatten函数将其展平为一维张量,如下所示:

复制代码
>>> import torch
>>> x = torch.randn(2,3)

>>> y=x.flatten(1)
>>> y
tensor([[-0.5945,  0.7441,  0.5515],
        [-1.3831,  0.4533, -0.6908]])
>>> y=x.flatten(0)
>>> y
tensor([-0.5945,  0.7441,  0.5515, -1.3831,  0.4533, -0.6908])
>>> y=x.flatten(2)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
IndexError: Dimension out of range (expected to be in range of [-2, 1], but got 2)

在上面的例子中,创建了一个形状为(2, 3)的二维张量x。然后,我们使用flatten函数将x展平为一维张量,并将结果存储在变量y中。需要注意的是,flatten函数的参数指定了展平后的一维张量的最大长度。在本例中,我们将最大长度设置为1,因此展平后的张量将具有形状(6,)。如果展平后的长度超过了指定的最大长度,将会抛出错误。

总结:在PyTorch中,permute、transpose、view、reshape和flatten函数都是用于改变张量形状和维度的工具。它们具有不同的用途和特点,可以根据具体需求选择合适的函数来操作张量。

相关推荐
蓝婷儿1 小时前
Python 机器学习核心入门与实战进阶 Day 1 - 分类 vs 回归
python·机器学习·分类
Devil枫2 小时前
Kotlin扩展函数与属性
开发语言·python·kotlin
程序员阿超的博客3 小时前
Python 数据分析与机器学习入门 (八):用 Scikit-Learn 跑通第一个机器学习模型
python·机器学习·数据分析·scikit-learn·入门教程·python教程
xingshanchang4 小时前
PyTorch 不支持旧GPU的异常状态与解决方案:CUDNN_STATUS_NOT_SUPPORTED_ARCH_MISMATCH
人工智能·pytorch·python
reddingtons5 小时前
Adobe Firefly AI驱动设计:实用技巧与创新思维路径
大数据·人工智能·adobe·illustrator·photoshop·premiere·indesign
CertiK5 小时前
IBW 2025: CertiK首席商务官出席,探讨AI与Web3融合带来的安全挑战
人工智能·安全·web3
Deepoch6 小时前
Deepoc 大模型在无人机行业应用效果的方法
人工智能·科技·ai·语言模型·无人机
Deepoch6 小时前
Deepoc 大模型:无人机行业的智能变革引擎
人工智能·科技·算法·ai·动态规划·无人机
kngines6 小时前
【字节跳动】数据挖掘面试题0003:有一个文件,每一行是一个数字,如何用 MapReduce 进行排序和求每个用户每个页面停留时间
人工智能·数据挖掘·mapreduce·面试题
Binary_ey6 小时前
AR衍射光波导设计遇瓶颈,OAS 光学软件来破局
人工智能·软件需求·光学软件·光波导