博客

在网上搜transpose的用法，出来的大多是numpy类中的用法，实际上跟torch中的tensor类的transpose方法实现方式是有区别的，

因此在看深度学习网络的代码时，碰到


.transpose(1, 2)


这种样式的代码时就不知所措了。

为此，小弟亲自一试。代码奉上：

import torch
a=torch.Tensor([[[1,2,3],[2,3,4]],[[3,4,5],[4,5,6]]])
b=a.transpose(1,2)  
c=a.transpose(2,1)
print(a.shape)
print(b.shape)
print(c.shape)

print(a)
print(b)
print(c)

输出：
torch.Size([2, 2, 3])
torch.Size([2, 3, 2])
torch.Size([2, 3, 2])
tensor([[[1., 2., 3.],
         [2., 3., 4.]],

        [[3., 4., 5.],
         [4., 5., 6.]]])
tensor([[[1., 2.],
         [2., 3.],
         [3., 4.]],

        [[3., 4.],
         [4., 5.],
         [5., 6.]]])
tensor([[[1., 2.],
         [2., 3.],
         [3., 4.]],

        [[3., 4.],
         [4., 5.],
         [5., 6.]]])

————————————

可以看到，


.transpose(1, 2)与.transpose(2,1)


在实现结果上是没有区别的，因此小伙伴们再碰到类似情况，可以放心的认为就是两个维度的互换啦!