Python tf.transpose用法及代碼示例

轉置 a ，其中 a 是張量。

用法

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

根據 perm 的值排列尺寸。

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 是 True 並且 a.dtype 是 complex64 或 complex128 那麽 a 的值是共軛和轉置的。

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，您可以調用 tf.transpose(x, perm=[1, 0]) 。

如果 x 很複雜，設置 conjugate=True 會給出共軛轉置：

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' 對於 n > 2 的 n 維張量更有用：

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

如上所述，隻需調用 tf.transpose 將默認為 perm=[2,1,0] 。

要對維度 0 中的矩陣進行轉置(例如，當您轉置 0 是批量維度的矩陣時)，您可以設置 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：這有一個簡寫 linalg.matrix_transpose )：

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。