將tensor的維度換位。
引數:引數是一系列的整數,代表原來張量的維度。比如三維就有0,1,2這些dimension。
例:
import torch
import numpy as np
a=np.array([[[1,2,3],[4,5,6]]])
unpermuted=torch.tensor(a)
print(unpermuted.size()) # ——> torch.size([1, 2, 3])
permuted=unpermuted.permute(2,0,1)
print(permuted.size()) # ——> torch.size([3, 1, 2])
比如img的size比如是(28,28,3)就可以利用img.permute(2,0,1)得到乙個size為(3,28,28)的tensor。
利用這個函式permute(0,2,1)可以把tensor([[[1,2,3],[4,5,6]]]) 轉換成
tensor([[[1., 4.],
[2., 5.],
[3., 6.]]])
如果使用view,可以得到
tensor([[[1., 2.],
[3., 4.],
[5., 6.]]])
5 2 4 SSAS 維度 多對多維度
維度 多對多維度的建立 什麼是多對多維度?我們正常遇到的資料結構是一對一,或者一對多的資料結構,也就是樹形結構。但是現實中存在著多對多的結構,比如一筆銷售來自乙個店鋪,但是乙個店鋪包含多個鋪位,這時一筆銷售就對應著多個鋪位,而乙個鋪位又對應著多筆銷售,這樣就形成了多對多的關係。多對多的關係需要用乙個...
Pytorch對多維Tensor按維度操作
記憶要點 dim 0 說明是處理行 dim 1 說明是處理列 keepdim true 保留處理的行 列的特徵 keepdim false 不保留處理的行 列的特徵 網上流傳的版本有很多,但是我們根據結果來說話。我的理解是哪個維度發生了變化就是處理的是哪個維度。if name main 模型引數初始...
對numpy中軸與維度的理解
numpy s main object is the homogeneous multidimensional arr程式設計客棧ay.it is a table of elements usually numbers all of the same type,indexed by a tuple ...