Разница между tenor.permute и tenor.view в PyTorch? - PullRequest
Новая
       61

Разница между tenor.permute и tenor.view в PyTorch?

0 голосов
/ 02 июля 2018

В чем разница между tensor.permute() и tensor.view()?

Кажется, они делают то же самое.

Ответы [ 2 ]

0 голосов
/ 03 июля 2018

Input 

In [12]: aten = torch.tensor([[1, 2, 3], [4, 5, 6]])

In [13]: aten
Out[13]: 
tensor([[ 1,  2,  3],
        [ 4,  5,  6]])

In [14]: aten.shape
Out[14]: torch.Size([2, 3])

torch.view() изменяет тензор в другую, но совместимую форму. Например, наш входной тензор aten имеет форму (2, 3). Это может быть просмотр в виде тензоров форм (6, 1), (1, 6) и т. Д., 

# reshaping (or viewing) 2x3 matrix as a column vector of shape 6x1
In [15]: aten.view(6, -1)
Out[15]: 
tensor([[ 1],
        [ 2],
        [ 3],
        [ 4],
        [ 5],
        [ 6]])

In [16]: aten.view(6, -1).shape
Out[16]: torch.Size([6, 1])

Кроме того, он также может быть изменен или вид редактируется как вектор строки формы (1, 6) как в: 

In [19]: aten.view(-1, 6)
Out[19]: tensor([[ 1,  2,  3,  4,  5,  6]])

In [20]: aten.view(-1, 6).shape
Out[20]: torch.Size([1, 6])

Принимая во внимание, что tensor.permute() используется только для смены осей. Приведенный ниже пример прояснит ситуацию: 

In [39]: aten
Out[39]: 
tensor([[ 1,  2,  3],
        [ 4,  5,  6]])

In [40]: aten.shape
Out[40]: torch.Size([2, 3])

# swapping the axes/dimensions 0 and 1
In [41]: aten.permute(1, 0)
Out[41]: 
tensor([[ 1,  4],
        [ 2,  5],
        [ 3,  6]])

# since we permute the axes/dims, the shape changed from (2, 3) => (3, 2)
In [42]: aten.permute(1, 0).shape
Out[42]: torch.Size([3, 2])

Вы также можете использовать отрицательную индексацию, чтобы сделать то же самое, что и в: 

In [45]: aten.permute(-1, 0)
Out[45]: 
tensor([[ 1,  4],
        [ 2,  5],
        [ 3,  6]])

In [46]: aten.permute(-1, 0).shape
Out[46]: torch.Size([3, 2])
0 голосов
/ 03 июля 2018

Просмотр изменений представления тензора. Например: тензор с 4 элементами может быть представлен как 4X1 или 2X2 или 1X4, но перестановка меняет оси. Во время перестановки данные перемещаются, но в представлении данные не перемещаются, а просто интерпретируются.

Ниже приведены примеры кода. a - тензор 2x2 / матрица. С использованием представления вы можете прочитать a как вектор столбца или строки (тензор). Но вы не можете перенести это. Чтобы переставить нужно переставлять. Транспонирование достигается путем замены / перестановки осей. 

In [7]: import torch

In [8]: a = torch.tensor([[1,2],[3,4]])

In [9]: a
Out[9]: 
tensor([[ 1,  2],
        [ 3,  4]])

In [11]: a.permute(1,0)
Out[11]: 
tensor([[ 1,  3],
        [ 2,  4]])

In [12]: a.view(4,1)
Out[12]: 
tensor([[ 1],
        [ 2],
        [ 3],
        [ 4]])

In [13]:

Бонус: см. https://twitter.com/karpathy/status/1013322763790999552

...