Python tf.transpose用法及代码示例

转置 a ，其中 a 是张量。

用法

tf.transpose(
    a, perm=None, conjugate=False, name='transpose'
)

根据 perm 的值排列尺寸。

返回的张量维度 i 将对应于输入维度 perm[i] 。如果没有给出perm，则设置为(n-1...0)，其中n是输入张量的秩。因此，默认情况下，此操作对二维输入张量执行常规矩阵转置。

如果 conjugate 是 True 并且 a.dtype 是 complex64 或 complex128 那么 a 的值是共轭和转置的。

例如：

x = tf.constant([[1, 2, 3], [4, 5, 6]])
tf.transpose(x)
<tf.Tensor:shape=(3, 2), dtype=int32, numpy=
array([[1, 4],
       [2, 5],
       [3, 6]], dtype=int32)>

等效地，您可以调用 tf.transpose(x, perm=[1, 0]) 。

如果 x 很复杂，设置 conjugate=True 会给出共轭转置：

x = tf.constant([[1 + 1j, 2 + 2j, 3 + 3j],
                 [4 + 4j, 5 + 5j, 6 + 6j]])
tf.transpose(x, conjugate=True)
<tf.Tensor:shape=(3, 2), dtype=complex128, numpy=
array([[1.-1.j, 4.-4.j],
       [2.-2.j, 5.-5.j],
       [3.-3.j, 6.-6.j]])>

'perm' 对于 n > 2 的 n 维张量更有用：

x = tf.constant([[[ 1,  2,  3],
                  [ 4,  5,  6]],
                 [[ 7,  8,  9],
                  [10, 11, 12]]])

如上所述，只需调用 tf.transpose 将默认为 perm=[2,1,0] 。

要对维度 0 中的矩阵进行转置(例如，当您转置 0 是批量维度的矩阵时)，您可以设置 perm=[0,2,1] 。

tf.transpose(x, perm=[0, 2, 1])
<tf.Tensor:shape=(2, 3, 2), dtype=int32, numpy=
array([[[ 1,  4],
        [ 2,  5],
        [ 3,  6]],
        [[ 7, 10],
        [ 8, 11],
        [ 9, 12]]], dtype=int32)>

注意：这有一个简写 linalg.matrix_transpose )：

numpy 兼容性

在 numpy 中，转置是节省内存的常数时间操作，因为它们只是返回具有调整后的相同数据的新视图 strides 。

TensorFlow 不支持跨步，因此 transpose 返回一个新张量，其中项目已置换。