torch.transpose

torch.transpose(input, dim0, dim1) → Tensor

返回 input 的转置版本张量。给定的维度 dim0 和 dim1 被交换。

如果 input 是跨步张量 (strided tensor)，则生成的 out 张量与其底层的存储共享内存，因此改变其中一个的内容会改变另一个的内容。

如果 input 是稀疏张量 (sparse tensor)，则生成的 out 张量 *不* 与 input 张量共享底层的存储。

如果 input 是具有压缩布局（SparseCSR, SparseBSR, SparseCSC 或 SparseBSC）的稀疏张量 (sparse tensor)，则参数 dim0 和 dim1 必须要么都是批处理维度 (batch dimensions)，要么都是稀疏维度 (sparse dimensions)。稀疏张量的批处理维度是稀疏维度之前的维度。

注意

互换 SparseCSR 或 SparseCSC 布局张量稀疏维度的转置操作将导致布局在这两种选项之间切换。类似地，转置 SparseBSR 或 SparseBSC 布局张量的稀疏维度将生成具有相反布局的结果。

参数

• input (Tensor) – 输入张量。

• dim0 (int) – 第一个要转置的维度

• dim1 (int) – 第二个要转置的维度

示例

>>> x = torch.randn(2, 3)
>>> x
tensor([[ 1.0028, -0.9893,  0.5809],
        [-0.1669,  0.7299,  0.4942]])
>>> torch.transpose(x, 0, 1)
tensor([[ 1.0028, -0.1669],
        [-0.9893,  0.7299],
        [ 0.5809,  0.4942]])

另请参阅 torch.t()。