pytorch中permute()函数用法补充说明(矩阵维度变化过程)

Karli ·

更新时间:2024-09-20

· 615 次阅读

一、前言

二、举例解释

1、permute(0,1,2)

2、permute(0,1,2) ⇒ permute(0,2,1)

3、permute(0,2,1) ⇒ permute(1,0,2)

4、permute(1,0,2) ⇒ permute(0,2,1)

三、写在最后

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)