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。