Python tf.compat.v1.transpose用法及代碼示例

轉置 a 。

用法

tf.compat.v1.transpose(
    a, perm=None, name='transpose', conjugate=False
)

根據 perm 排列尺寸。

返回的張量維度 i 將對應於輸入維度 perm[i] 。如果沒有給出perm，則設置為(n-1...0)，其中n是輸入張量的秩。因此，默認情況下，此操作對二維輸入張量執行常規矩陣轉置。如果 conjugate 為 True 且 a.dtype 為 complex64 或 complex128 則 a 的值被共軛和轉置。

例如：

x = tf.constant([[1, 2, 3], [4, 5, 6]])
tf.transpose(x)  # [[1, 4]
                 #  [2, 5]
                 #  [3, 6]]

# Equivalently
tf.transpose(x, perm=[1, 0])  # [[1, 4]
                              #  [2, 5]
                              #  [3, 6]]

# If x is complex, setting conjugate=True gives the conjugate transpose
x = tf.constant([[1 + 1j, 2 + 2j, 3 + 3j],
                 [4 + 4j, 5 + 5j, 6 + 6j]])
tf.transpose(x, conjugate=True)  # [[1 - 1j, 4 - 4j],
                                 #  [2 - 2j, 5 - 5j],
                                 #  [3 - 3j, 6 - 6j]]

# 'perm' is more useful for n-dimensional tensors, for n > 2
x = tf.constant([[[ 1,  2,  3],
                  [ 4,  5,  6]],
                 [[ 7,  8,  9],
                  [10, 11, 12]]])

# Take the transpose of the matrices in dimension-0
# (this common operation has a shorthand `linalg.matrix_transpose`)
tf.transpose(x, perm=[0, 2, 1])  # [[[1,  4],
                                 #   [2,  5],
                                 #   [3,  6]],
                                 #  [[7, 10],
                                 #   [8, 11],
                                 #   [9, 12]]]

numpy 兼容性

在 numpy 中，轉置是節省內存的常數時間操作，因為它們隻是返回具有調整後的相同數據的新視圖 strides 。

TensorFlow 不支持跨步，因此 transpose 返回一個新張量，其中項目已置換。