【PyTorch】transpose() 和 permute() 函数：交换张量维度
在 PyTorch 中，transpose 和 permute 都是用于调整张量维度的函数。它们在很多深度学习任务中非常有用，尤其是在处理张量维度和进行矩阵操作时。
1. transpose 函数
transpose 函数用来交换张量的两个维度。它接受两个参数，即需要交换的两个维度的索引。这个操作不会改变张量的数据本身，只是改变了张量的视图。
语法
torch.transpose(input, dim0, dim1)
- input：输入的张量。
- dim0：要交换的第一个维度的索引。
- dim1：要交换的第二个维度的索引。
返回值
返回一个新的张量，其中 dim0 和 dim1 的维度被交换了。
示例
import torch
# 创建一个 2x3 的张量
x = torch.tensor([[1, 2, 3], [4, 5, 6]])
# 交换第0维和第1维
y = torch.transpose(x, 0, 1)
print("Original Tensor:")
print(x)
print("\nTransposed Tensor:")
print(y)
输出：
Original Tensor:
tensor([[1, 2, 3],
[4, 5, 6]])
Transposed Tensor:
tensor([[1, 4],
[2, 5],
[3, 6]])
在这个例子中，我们交换了张量 x 的第 0 维（行）和第 1 维（列），所以得到的张量 y 是一个 3x2 的张量。
2. permute 函数
permute 函数可以重新排列张量的所有维度。与 transpose 仅能交换两个维度不同，permute 允许你指定任意的维度顺序。
语法
torch.permute(input, dims)
- input：输入的张量。
- dims：一个包含维度索引的元组，表示新的维度顺序。
返回值
返回一个新的张量，维度顺序根据 dims 进行调整。
示例
import torch
# 创建一个 2x3x4 的张量
x = torch.randn(2, 3, 4)
# 调整维度顺序
y = x.permute(2, 0, 1)
print("Original Tensor Shape:", x.shape)
print("Permuted Tensor Shape:", y.shape)
输出：
Original Tensor Shape: torch.Size([2, 3, 4])
Permuted Tensor Shape: torch.Size([4, 2, 3])
在这个例子中，原始张量的形状是 (2, 3, 4)，我们通过 permute 调整维度顺序为 (4, 2, 3)。
详细说明
transpose只交换两个维度。permute可以自由地重新排列所有维度。例如，x.permute(2, 0, 1)将维度2、0和1进行了交换。
总结
transpose(dim0, dim1)用于交换张量的两个维度，适用于二维及以上的张量。permute(dims)可以重新排列张量的所有维度，适用于任意维度的张量。