NLP|torch中permute()函数用法补充内容（矩阵维度变化详细过程）小新的学习笔记|python|pytorch|

一、前言
二、举例解释
- 解释部分
- 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，没想到收藏和点赞还挺多的
那我就在详细的说一下permute函数里维度变化的详细过程
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())

文章图片

文章图片

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)==>(3,5,2)==>(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，对应函数里的参数为1和2交换 # 第二个"==>" 变化为3和5交换，对应函数里的参数为0和1交换 # 第三个"==>" 变化为3和2交换，对应函数里的参数为1和2交换

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	(0,2,1)
(5,3,2)	3和5	(1,0,2)
(5,2,3)	3和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 torchx = 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)