pytorch tranpose与permute函数

transpose和permute都是转置函数，可以交换Tensor的维度。

1. transpose

torch.transpose(input, dim0, dim1, out=None)$\to$Tensor

transpose函数用于交换input的维度dim0和dim1，只能交换两个维度，且dim0和dim1的参数位置没有顺序而言。

例子：

a = torch.arange(6).reshape((2, 3))
a, a.transpose(1, 0) # shape从(2, 3)变成(3, 2)

Out:tensor([[0, 1, 2],
            [3, 4, 5]])
    tensor([[0, 3],
            [1, 4],
            [2, 5]])

a.transpose(1, 0)与a.transpose(0, 1)相同，都是将第0个维度和第1个维度交换。

a.transpose(1, 0) == a.transpose(0, 1)

Out: tensor([[True, True],
            [True, True],
            [True, True]])

作用于高维：

b = torch.arange(24).reshape((2, 3, 4))
b.transpose(1, 2)		# shape从(2, 3, 4)变成(2, 4, 3)
b.transpose(0, 1, 2)	# 报错，只能输入两个维度进行交换

2. permute

torch.permute(input, dims) $\to$ Tensor

permute函数相当于把input的各个维度进行了重排列，可以一次性交换多个维度，参数dims的长度必须与input的维度相同。

例子：

print(torch.permute(a, (1, 0)))			# shape从(2, 3) 变成 (3, 2)
print(torch.permute(a, (0, 1)) == a)	# 不变

Out:tensor([[0, 3],
            [1, 4],
            [2, 5]])
    tensor([[True, True, True],
            [True, True, True]])

作用于高维：

b.permute(1, 0, 2)	# shape从(2, 3, 4)变成(3, 2, 4)
b.permute(2, 0, 1)	# shape从(2, 3, 4)变成(4, 2, 3)
b.permute(1, 0)		# 报错，必须要输入三个维度

由于permute一次可以操作多个维度，因此在高维的功能性比transpose更强，不过permute能做到的transpose也能做到，只不过transpose可能要多调用几次，transpose能做到的permute也都能做到。