permute函数（Pytorch）

• permute函数的作用是对tensor进行转置。

import torch
import torch.nn as nn

x = torch.randn(1, 2, 3, 4)
print(x.size())      
print(x.permute(2, 1, 0, 3).size())

随机生成一个1X2X3X4的四维向量，permute函数的参数表示的是转置后的向量位置。比如原向量中(1, 2, 3, 4)，1的下标是0，2的下标是1，3的下标是2，4的下标是3；在x.permute(2, 1, 0, 3)中，2代表原来下表为2的数字3放在第一位（也就是N），1代表原来下表为1的数字2放在第二位（也就是C），0代表原来下表为0的数字1放在第三位（也就是H），3代表原来下表为3的数字4放在第四位（也就是W）。这样产生的结果如下：

torch.Size([1, 2, 3, 4])   #原来的tensor
torch.Size([3, 2, 1, 4])   #转置后的tensor

• **torch.transpose()只能操作二维转置。**这个意思不是torch.transpose()只能作用于二维向量，它的意思是一次只能进行两个维度的转置，如果需要多个维度的转置，那么需要多次调用transpose()。比如上述的tensor[1,2,3,4]转置为tensor[3,4,1,2]，使用transpose需要做如下

x.transpose(0,2).transpose(1,3)

• view()函数作用的内存必须是连续的，如果操作数不是连续存储的，必须在操作之前执行contiguous()，把tensor变成在内存中连续分布的形式；
• 我们来直观看一下tensor转置的实际效果。

import torch
import torch.nn as nn
import numpy as np

y = np.array([[[1, 2, 3], [4, 5, 6]]]) # 1X2X3
y_tensor = torch.tensor(y)
y_tensor_trans = y_tensor.permute(2, 0, 1) # 3X1X2
print(y_tensor.size())
print(y_tensor_trans.size())

print(y_tensor)
print(y_tensor_trans)
print(y_tensor.view(1, 3, 2)) 

torch.Size([1, 2, 3])
torch.Size([3, 1, 2])
tensor([[[1, 2, 3],
         [4, 5, 6]]])
tensor([[[1, 4]],

        [[2, 5]],

        [[3, 6]]])
tensor([[[1, 2],
         [3, 4],
         [5, 6]]])

• view()函数是连续操作内存的，他会将1、2、3、4、5、6连续分配，上述是将1X2X3变成1X3X2。如果变成1X2X3，结果如下：

tensor([[[1, 2, 3],
         [4, 5, 6]]])