Numpy Transpose 函数理解
最近在学深度学习时，碰到许多关于Numpy的知识点，边学边做点笔记，方便记忆。
此篇文章用来学习Numpy Transpose函数。
————————————————————————————————
array = np.arange(0, 24).reshape(2, 4, 3)
print(array)
得到一个三维矩阵：
[[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]
[[12 13 14]
[15 16 17]
[18 19 20]
[21 22 23]]]
array.shape = (2,4,3)
第一个参数表示此三维矩阵中存在2个二维矩阵；第二个、第三个参数表示其中二维矩阵为4行3列矩阵，故shape为（2，4，3），且三个参数顺序分别对应索引号（0，1，2），2的索引号对应0，4的索引号对应1，3的索引号对应2。
————————————————————————————————
进行transpose变形
b = array.transpose(1, 0, 2)
transpose中参数（1，0，2）表示对第一个索引号与第二个索引号对应数字进行交换，结合上述array的实际情况，array.shape变为（4，2，3），此shape参数表示新的三维矩阵b中存在4个二维矩阵；第二个、第三个参数表示其中二维矩阵为2行3列矩阵，得到以下矩阵。
[[[ 0 1 2]
[12 13 14]]
[[ 3 4 5]
[15 16 17]]
[[ 6 7 8]
[18 19 20]]
[[ 9 10 11]
[21 22 23]]]
新得到b矩阵从shape上来看，与推论一致，但究竟是怎么来的呢，请看下面推导。
————————————————————————————————
原先array矩阵如下，把其中每个元素索引号写出，见括号内。
（只写了第一块矩阵，第二块矩阵可以自己动手完成）
[[[ 0(0,0,0) 1(0,0,1) 2(0,0,2)]
[ 3(0,1,0) 4(0,1,1) 5(0,1,2)]
[ 6(0,2,0) 7(0,2,1) 8(0,2,2)]
[ 9(0,3,0) 10(0,3,1) 11(0,3,2)]]
[[12 13 14]
[15 16 17]
[18 19 20]
[21 22 23]]]
transpose表面上是对矩阵shape的索引号进行相应变换，但实质上，它是对其中每个元素索引号进行相应变换，transpose（1，0，2），就是将每个元素第一个索引号与第二个索引号进行互换，可得变化后的元素对应索引号。
[[[ 0(0,0,0) 1(0,0,1) 2(0,0,2)]
[ 3(1,0,0) 4(1,0,1) 5(1,0,2)]
[ 6(2,0,0) 7(2,0,1) 8(2,0,2)]
[ 9(3,0,0) 10(3,0,1) 11(3,0,2)]]
[[12 13 14]
[15 16 17]
[18 19 20]
[21 22 23]]]
然后，将数字放入现在索引号对应的正确位置。
[[[0(0,0,0) 1(0,0,1) 2(0,0,2)]
[12 13 14]]
[[3(1,0,0) 4(1,0,1) 5(1,0,2)]
[15 16 17]]
[[6(2,0,0) 7(2,0,1) 8(2,0,2)]
[18 19 20]]
[[ 9(3,0,0) 10(3,0,1) 11(3,0,2)]
[21 22 23]]]
这样就可以得到最终的正确答案。
二维矩阵的transpose更加简单，另外维度的transpose也是一样的原理。
转载请注明原处