Pytorch笔记：permute和reshape/view的区别

permute

permute的作用是调换Tensor的维度。我们可以把一个多维数组看作一个平面/立方体/超立方体，permute的作用就是改变我们“观察”这个多为数组的角度。例如：

In [20]: a              
Out[20]:                
tensor([[0, 1, 2],      
        [3, 4, 5]])     
                        
In [21]: a.permute(1,0) 
Out[21]:                
tensor([[0, 3],         
        [1, 4],         
        [2, 5]])        

可以注意到上面这个例子里面交换了第一和第二个维度，相当于把a这个二维数组“转置”了。

reshape和view

关于这两个的区别可以参考：https://blog.csdn.net/Flag_ing/article/details/109129752
简单来说：功能类似，但是reshape兼容性更好，如果要考虑变换前后的两个tensor共享的是同一片存储区，就用view吧

如果使用view或者reshape，其作用可以这样理解：先把原来的数组按行取出展开成一个一维数组，然后把数组中的元素依次放入view或者reshape所传入参数的设定的大小的数组中。例如：

In [22]: a.reshape(3,2) 
Out[22]:                
tensor([[0, 1],         
        [2, 3],         
        [4, 5]])        
                        
In [23]: a.view(3,2)    
Out[23]:                
tensor([[0, 1],         
        [2, 3],         
        [4, 5]])        

上面的结果就与permute大不同。