Deep-Learning-with-PyTorch-3.8.3 高维上转置

3.8.3 高维上转置

在PyTorch中进行转置不仅限于矩阵。 我们可以通过指定应该发生转置（翻转形状和步幅）的两个维度来转置多维数组：

# In[35]:
some_t = torch.ones(3, 4, 5)
transpose_t = some_t.transpose(0, 2)
some_t.shape

# Out[35]:
torch.Size([3, 4, 5])

# In[36]:
transpose_t.shape

# Out[36]:
torch.Size([5, 4, 3])

# In[37]:
some_t.stride()

# Out[37]:
(20, 5, 1)

# In[38]:
transpose_t.stride()

# Out[38]:
(1, 5, 20)

将其值从最右边的维度开始（即，沿着2D张量沿行移动）布置在存储中的张量定义为连续的。连续张量很方便，因为我们可以按顺序有效地访问它们，而无需在存储中四处走动（由于内存访问在现代CPU上的工作方式，提高数据局部性可以提高性能）。 当然，这一优势取决于算法的访问方式。