一、前言
之前写了篇torch中permute()函数用法文章，在详细的说一下permute函数里维度变化的详细过程
非常感谢@m0_46225327对本文案例更加细节补充
注意：
本文是这篇torch中permute()函数用法文章的补充内容
如果有精力可以把这篇文章阅读一下，能够更好的理解函数的维度变化过程
以及加深对输出结果的印象
二、举例解释
这里以比较经典的变化四做例子
先回顾一下变化四的内容：
————————————————分割线——————————————
变化四：0与2交换
b = x.permute(2,1,0) # 交换块和列 print(b) print(b.size())
此时参数0对应的3块经过permute已经变成了5块
参数2对应的5列已经变成了3列
————————————————分割线——————————————
解释部分
变化四中permute参数把（0,1,2）交换成了（2,1,0）
直观上看是直接把0和2两个位置直接交换
实际上两个参数交换包括了以下部分
维度变换重点
维度数值变换：(3,2,5)==>(3,5,2)==>(5,3,2)==>(5,2,3) # 读者一定要考虑清楚下一行代表什么意思 函数中参数变换(0,1,2)==>(0,2,1)==>(1,0,2)==>(0,2,1) # 第一个"==>" 变化为2和5交换，对应函数里的参数0不动，1和2交换 ，变换完后为(0,2,1)，对应维度是(3,5,2)。重排序为(0,1,2) # 第二个"==>" 变化为3和5交换，对应函数里的参数2不动，0和1交换，变换完后为(1,0,2)，对应维度是(5,3,2)。重排序为(0,1,2) # 第三个"==>" 变化为3和2交换，对应函数里的参数0不动，1和2交换，变换完后为(0,2,1)，对应维度是(5,2,3)。重排序为(0,1,2)
或者看表格更容易理解些？
| 维度变换过程 | 维度数值变换 | 函数参数变换 |
|---|---|---|
| (3,2,5) | - | (0,1,2) |
| (3,5,2) | 2和5 | (0,1,2)==> (0,2,1) |
| (5,3,2) | 3和5 | (0,1,2)==>(1,0,2) |
| (5,2,3) | 3和2 | (0,1,2)==>(0,2,1) |
这里先给大家把代码放上来
便于大家验证理解
也可以先跳过代码部分直接看图片解释
import torch
x = torch.linspace(1,30,steps=30).view(3,2,5)
print('x:',x)
print(x.size())
# permute(0,1,2)==>permute(2,1,0)
# (3,2,5)==>(3,5,2)==>(5,3,2)==>(5,2,3)
#
# (0,1,2)==>(0,2,1)==>(1,0,2)==>(0,2,1)
b1 = x.permute(0,2,1)
print('b1:',b1)
print(b1.size())
b2 = b1.permute(2,0,1)
print('b2:',b2)
print(b2.size())
b = b2.permute(2,1,0)
print('b:',b)
print(b1.size())1、permute(0,1,2)
这部分就是（3，2，5）矩阵中原有的样子
2、permute(0,1,2) ⇒ permute(0,2,1)
这部分是把3块中的每一块矩阵进行转置操作，即行和列的交换
2行3列==>3行2列
3、permute(0,2,1) ⇒ permute(1,0,2)
这部分是列不动，把块和行交换
把第一块的五行分别写入变换后的五块中第一行
把第二块的五行分别写入变换后的五块中第二行
把第三块的五行分别写入变换后的五块中第三行
4、permute(1,0,2) ⇒ permute(0,2,1)
最后行列交换，即转置
三、写在最后
如果大家看起来还是比较难理解些
建议可以手写一下这个转换例子，真的一下就懂了
以下是我手写矩阵转化过程
到此这篇关于pytorch中permute()函数用法补充说明的文章就介绍到这了,更多相关pytorch permute()函数用法内容请搜索Devmax以前的文章或继续浏览下面的相关文章希望大家以后多多支持Devmax！