深度学习中框架中reshape和transpose的区别

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

今天在使用注意力机制对张量维度进行变换时，需要交换特征图通道与行列维度。因此使用reshape和transpose两个函数进行变换。
之前使用的深度学习的框架是tensorflow，这周接触到pytorch框架，发现两个框架张量（tensor）波段顺序不一样，tensorflow张量顺序为（b，w，h，c），字母代表的含义依次为batch_size，行，列，通道，而pytorch框架里张量顺序为（b，c，w，h）。而在使用不同库读取遥感影像时也会出现波段顺序不一致的情况，常用的简单tif影像读取库有PIL，scipy，cv2，tifffile，这些库通常用于rgb或tif灰度图像的读取，读取结果为（w，h，c），而对于GeoTIFF影像而言，通常使用GDAL库读取，读取结果为（c，w，h）。
这种情况下需要改变数组维度，两个函数有啥区别呢？

---

一、reshape与transpose的区别？

通常在需要改变张量形状时，最常用的方法是reshape，但是resize函数只能改变张量形状，即不改变数组元素的排列顺序，而transpose函数是将坐标轴互换，当张量为二维时，实现矩阵转置的效果。这里以numpy函数为例，tensorflow和pytorch对应函数功能一致。
例子：

arr = np.arange(90).reshape([5, 6, 3])
print(arr)
arr = np.transpose(arr, [2, 1, 0])
print(arr)

结果：

结果图

二、两种函数使用在哪些地方需要注意

1、在使用tensorflow进行训练时，由于遥感影像涉及多波段输入，而tensorflow没有tif数据的解码器，因此通常需要转换成tfrecord格式数据进行训练。在这种情况下，读取各波段数据的库尽量保持一样，如此可避免数据输入模型后出现张量中波段顺序不一致的问题。
2、进行特殊一维卷积或者多维卷积（比如对通道维度进行运算），在需要调整张量形状时，需要仔细思考两种函数结果，再选择相应的函数进行形状调整。

---

总结

这篇博客主要总结reshape和transpose两个函数的区别。在模型构建中，通常会频繁交换或者改变张量维度，因此对两个函数返回结果需要多加注意。