pytorch中transpose的用法

最新推荐文章于 2025-07-21 00:30:39 发布

原创最新推荐文章于 2025-07-21 00:30:39 发布 · 6.9k 阅读

27 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #深度学习 #神经网络

这篇博客探讨了在深度学习中，特别是在PyTorch的Tensor类中，.transpose()方法的使用。作者通过实例代码展示了.transpose(1, 2)和.transpose(2, 1)虽然参数不同，但实际效果相同，都是交换张量的两个维度。这有助于理解在处理多维数组时如何灵活运用transpose方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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!