TensorFlow中张量转置操作tf.transpose用法

一、环境

TensorFlow API r1.12

CUDA 9.2 V9.2.148

cudnn64_7.dll

Python 3.6.3

Windows 10

二、官方说明

对张量按照指定的排列维度进行转置

tf.transpose(
a,
perm=None,
name='transpose',
conjugate=False
)

输入：

（1）a：输入张量

（2）perm：输入张量要进行转置操作的维度的排列方式

（3）name：可选参数，转置操作的名称

（4）conjugate：可选参数，布尔类型，如果设置为True，则数学意义上等同于tf.conj(tf.transpose(input))

返回结果：

（1）按照指定维度排列方式转置后的张量

三、实例

（1）不设置perm参数值时，perm默认为(n-1, n-2, ..., 2, 1, 0)，其中n为输入张量的阶（rank）

>>> x = tf.constant([[1,2,3],[4,5,6]])
>>> with tf.Session() as sess:
...
print(sess.run(tf.transpose(x)))
...
print(sess.run(tf.shape(tf.transpose(x))))
...
[[1 4]
[2 5]
[3 6]]
...
[3 2]

（2）上例中等同实例（张量x的阶为2，因此perm默认为(2-1,0)）

>>> x = tf.constant([[1,2,3],[4,5,6]])
>>> with tf.Session() as sess:
...
print(sess.run(tf.transpose(x,[1,0])))
...
print(sess.run(tf.shape(tf.transpose(x))))
...
[[1 4]
[2 5]
[3 6]]
...
[3 2]

（3）输入张量为复数的情况，参数conjugate=True时，进行共轭转置操作

>>> real = [[1.0,2.0,3.0],[4.0,5.0,6.0]]
>>> imag = [[1.0,2.0,3.0],[4.0,5.0,6.0]]
>>> complex = tf.complex(real,imag)
>>> with tf.Session() as sess:
...
print(sess.run(complex))
...
print(sess.run(tf.shape(complex)))
...
print(sess.run(tf.transpose(complex)))
...
print(sess.run(tf.shape(tf.transpose(complex))))
...
print(sess.run(tf.transpose(complex,conjugate=True)))
...
print(sess.run(tf.shape(tf.transpose(complex,conjugate=True))))
...
[[1.+1.j 2.+2.j 3.+3.j]
[4.+4.j 5.+5.j 6.+6.j]]
...
[2 3]
...
[[1.+1.j 4.+4.j]
[2.+2.j 5.+5.j]
[3.+3.j 6.+6.j]]
...
[3 2]
...
[[1.-1.j 4.-4.j]
[2.-2.j 5.-5.j]
[3.-3.j 6.-6.j]]
...
[3 2]
... 

（4）输入张量的维度大于2时，参数perm起作用更大

直观来讲，这里的参数perm=[0,2,1]，控制将原来的维度[0,1,2]后面两列置换位置

>>> x = tf.constant([[[ 1,
2,
3],
...
[ 4,
5,
6]],
...
[[ 7,
8,
9],
...
[10, 11, 12]]])
>>> with tf.Session() as sess:
...
print(sess.run(tf.transpose(x,[0,2,1])))
...
[[[ 1
4]
[ 2
5]
[ 3
6]]
[[ 7 10]
[ 8 11]
[ 9 12]]]

最后

以上就是无语芹菜为你收集整理的TensorFlow中张量转置操作tf.transpose用法的全部内容，希望文章能够帮你解决TensorFlow中张量转置操作tf.transpose用法所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。