transpose¶
根据 perm 对输入的多维 Tensor 进行数据重排。返回多维 Tensor 的第 i 维对应输入 Tensor 的 perm[i]维。
参数¶
x (Tensor) - 输入：x:[N_1, N_2, ..., N_k, D]多维 Tensor，可选的数据类型为 bool, float16, bfloat16, float32, float64, int8, int16, int32, int64, uint8, uint16, complex64, complex128。
perm (list|tuple) - perm 长度必须和 X 的维度相同，并依照 perm 中数据进行重排。
name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。
返回¶
多维 Tensor
代码示例¶
# 这个代码块中如下的代码都是伪代码，旨在展示函数的执行逻辑与结果
x = to_tensor([[[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12]]
[[13 14 15 16] [17 18 19 20] [21 22 23 24]]])
shape(x): return [2,3,4]
# 例一
perm0 = [1,0,2]
y_perm0 = transpose(x, perm0) # 将 x 按 perm0 重排
# y_perm0 的第 0 维 是 x 的第 1 维
# y_perm0 的第 1 维 是 x 的第 0 维
# y_perm0 的第 2 维 是 x 的第 2 维
# 上面两行也可以理解为交换了 x 的第 0 维和第 1 维
y_perm0.data = [[[ 1 2 3 4] [13 14 15 16]]
[[ 5 6 7 8] [17 18 19 20]]
[[ 9 10 11 12] [21 22 23 24]]]
shape(y_perm0): return [3,2,4]
# 例二
perm1 = [2,1,0]
y_perm1 = transpose(x, perm1) # Permute x by perm1
# y_perm1 的第 0 维 是 x 的第 2 维
# y_perm1 的第 1 维 是 x 的第 1 维
# y_perm1 的第 2 维 是 x 的第 0 维
# 上面两行也可以理解为交换了 x 的第 0 维和第 2 维
y_perm1.data = [[[ 1 13] [ 5 17] [ 9 21]]
[[ 2 14] [ 6 18] [10 22]]
[[ 3 15] [ 7 19] [11 23]]
[[ 4 16] [ 8 20] [12 24]]]
shape(y_perm1): return [4,3,2]
代码示例¶
>>> import paddle
>>> x = paddle.randn([2, 3, 4])
>>> x_transposed = paddle.transpose(x, perm=[1, 0, 2])
>>> print(x_transposed.shape)
[3, 2, 4]