pytorch functional_pytorch permute

Pytorch之permute函数

　　1 先看看官方中英文doc：

　　1.1 permute(dims)

　　将tensor的维度换位。

　　参数： - __dims__ (int ..*) - 换位顺序

　　例：

　　1.2 permute(*dims) → Tensor

　　Permute the dimensions of this tensor.

　　Parameters： *dims (int...) – The desired ordering of dimensions

　　Example：

　　2 pytorch permute的使用

　　permute函数功能还是比较简单的，下面主要介绍几个细节点：

　　2.1 transpose与permute的异同

　　Tensor.permute(a,b,c,d, ...)：permute函数可以对任意高维矩阵进行转置，但没有 torch.permute() 这个调用方式， 只能 Tensor.permute()：

　　torch.transpose(Tensor, a,b)：transpose只能操作2D矩阵的转置，有两种调用方式；

　　另：连续使用transpose也可实现permute的效果：

　　从以上操作中可知，permute相当于可以同时操作于tensor的若干维度，transpose只能同时作用于tensor的两个维度；

　　2.2 permute函数与contiguous、view函数之关联

　　contiguous：view只能作用在contiguous的variable上，如果在view之前调用了transpose、permute等，就需要调用contiguous()来返回一个contiguous copy；

　　一种可能的解释是：有些tensor并不是占用一整块内存，而是由不同的数据块组成，而tensor的view()操作依赖于内存是整块的，这时只需要执行contiguous()这个函数，把tensor变成在内存中连续分布的形式；

　　判断ternsor是否为contiguous，可以调用torch.Tensor.is_contiguous()函数:

　　另：在pytorch的最新版本0.4版本中，增加了torch.reshape()，与 numpy.reshape() 的功能类似，大致相当于 tensor.contiguous().view()，这样就省去了对tensor做view()变换前，调用contiguous()的麻烦；

　　3 permute与view函数功能demo

　　利用函数 permute(2,0,1) 可以把 Tensor([[[1,2,3],[4,5,6]]]) 转换成：

　　如果使用view(1,3,2) 可以得到：

　　5 参考

　　https://zhuanlan.zhihu.com/p/64376950

　　https://pytorch.org/docs/stable/tensors.html?highlight=permute#torch.Tensor.permute

　　https://pytorch-cn.readthedocs.io/zh/latest/package_references/Tensor/#permutedims