numpy.transpose和torch.transpose函数解析

问题

今天在想把一个三维的[3, x, y]的tensor转为[x, y, 3]遇到一些问题，最后的解决方法是把tensor转为numpy，然后使用numpy.transpose(mytensor, [1, 2, 0])解决。因此分析一下torch和numpy中的transpose函数。

参考

• numpy.transpose
• torch.transpose

numpy.transpose

用法如下：
numpy.transpose(a, axes=None)

• 如果是一个二维矩阵，那么将返回该矩阵的转置。

a = np.random.randint(0, 10, (3, 2))
print(a, a.shape)
a = np.transpose(a)
print(a, a.shape)
a = np.transpose(a, (1, 0))
print(a, a.shape)

结果为：

[[5 7]
[2 3]
[9 1]]
(3, 2)
[[5 2 9]
[7 3 1]]
(2, 3)
[[5 7]
[2 3]
[9 1]]
(3, 2)

可以看到，每次都是将该二维矩阵转置。

• 如果是多维矩阵：

a = np.random.randint(0, 10, (3, 2, 4))
print(a, a.shape)
a = np.transpose(a, (1, 2, 0))
print(a, a.shape)

结果：

[[[4 3 6 8]
[7 0 1 1]]
[[0 2 6 4]
[4 0 6 2]]
[[3 3 4 6]
[5 6 6 2]]]
(3, 2, 4)
[[[4 0 3]
[3 2 3]
[6 6 4]
[8 4 6]]
[[7 4 5]
[0 0 6]
[1 6 6]
[1 2 2]]]
(2, 4, 3)

可以看到，本来矩阵的形状是pre = [3, 2, 4]，变换时传入的参数是(1, 2, 0)，之后矩阵就变成了[2, 4, 3]也就是[pre[1], pre[2], pre[0]]。
但是具体的变换过程还没搞懂。

• 对于参数axes，默认是：range(a.ndim)[::-1]，也就是原来矩阵shape的逆序。
• 还可以这样用：

a = np.random.randint(0, 10, (3, 2, 4))
print(a, a.shape)
b = a.transpose([1, 2, 0])
print(b, b.shape)

结果：

[[[5 0 8 0]
[5 4 5 8]]
[[6 8 8 8]
[8 0 4 5]]
[[2 6 8 3]
[0 8 3 4]]]
(3, 2, 4)
[[[5 6 2]
[0 8 6]
[8 8 8]
[0 8 3]]
[[5 8 0]
[4 0 8]
[5 4 3]
[8 5 4]]]
(2, 4, 3)

效果是一样的。

不会创建一个新的对象

a = np.random.randint(0, 10, (2, 4))
print(a)
b = a.transpose()
print(b)

结果：

[[6 5 4 8]
[3 2 1 2]]
[[6 3]
[5 2]
[4 1]
[8 2]]

b[0][0] = 15
print(a)
print(b)

结果：

[[15
5
4
8]
[ 3
2
1
2]]
[[15
3]
[ 5
2]
[ 4
1]
[ 8
2]]

一个改变，另一个也改变。

torch.transpose

用法如下：
torch.transpose(input, dim0, dim1)
返回一个tensor，是input的转置。并且同样是共享一个实际tensor，一个改变另一个也改变。

import torch
a = torch.randint(0, 10, (2, 4))
print(a)
b = torch.transpose(a, 1, 0)
print(b)
c = torch.transpose(a, 0, 1)
print(c)

结果：

tensor([[2, 7, 0, 9],
[8, 2, 8, 7]])
tensor([[2, 8],
[7, 2],
[0, 8],
[9, 7]])
tensor([[2, 8],
[7, 2],
[0, 8],
[9, 7]])

可以看到，都是在进行矩阵的转置。
在本函数中，dim0和dim1会互换（转置），所以transpose(a, 1, 0)和transpose(a, 0, 1)效果一致，都是dim[0]和dim[1]互换。这与numpy的函数不同。

a = torch.randint(0, 10, (2, 3, 4))
print(a)
b = torch.transpose(a, 1, 2)
print(b)

结果：

tensor([[[2, 0, 6, 7],
[8, 8, 0, 2],
[6, 7, 6, 6]],
[[9, 1, 6, 4],
[8, 3, 2, 8],
[0, 0, 4, 9]]])
tensor([[[2, 8, 6],
[0, 8, 7],
[6, 0, 6],
[7, 2, 6]],
[[9, 8, 0],
[1, 3, 0],
[6, 2, 4],
[4, 8, 9]]])

但是，让一个多维矩阵某两维或者某几维的转换公式还不太清楚。

最后

以上就是耍酷蓝天为你收集整理的numpy.transpose和torch.transpose函数解析的全部内容，希望文章能够帮你解决numpy.transpose和torch.transpose函数解析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。