tf.transpose函数的用法讲解（图解）

tf.transpose函数中文意思是转置，对于低维度的转置问题，低维的还可以理解高维有点懵

看了博客也不是很明白

tf.transpose函数

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

置换 a,根据 perm 重新排列尺寸.

返回的张量的维度 i 将对应于输入维度 perm[i].如果 perm 没有给出,它被设置为(n-1 ... 0),其中 n 是输入张量的秩.因此,默认情况下,此操作在二维输入张量上执行常规矩阵转置.如果共轭为 True,并且 a.dtype 是 complex64 或 complex128,那么 a 的值是共轭转置和.

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]]
<tf.Tensor 'transpose:0' shape=(3, 2) dtype=int32>
tf.transpose(x, perm=[0, 1])#[[1, 2, 3]
                           # [4, 5, 6]]

<tf.Tensor 'transpose_2:0' shape=(2, 3) dtype=int32>

对于二维数组此时perm数组取值只能是0 1，perm=[0,1],0代表二维数组的行，1代表二维数组的列 为初始状态与原来的数据相等 二维数组为2行3列的矩阵

　　　　tf.transpose(x, perm=[1, 0])，与初始perm=[0,1]相比第一列与第二列互换也就是行列互换，变成3*2的矩阵，结果可由上面验证

x = tf.constant([[[ 1,  2,  3],
                  [ 4,  5,  6]],
                 [[ 7,  8,  9],
                  [10, 11, 12]]])#shape=(2, 2, 3)
tf.transpose(x, perm=[0, 1,2])#shape=(2, 2, 3)=x
a=tf.transpose(x, perm=[1, 0, 2])
'''
[[[ 1  2  3]
  [ 7  8  9]]

 [[ 4  5  6]
  [10 11 12]]]'
'''
b=tf.transpose(x, perm=[1, 2,0])
'''
[[[ 1  7]
  [ 2  8]
  [ 3  9]]

 [[ 4 10]
  [ 5 11]
  [ 6 12]]]

'''

tf.transpose的第二个参数perm=[0,1,2],0代表三维数组的高本例中为2，1代表二维数组的行本例中为2，2代表二维数组的列本例中为3。初始数组维度是2*2*3
tf.transpose(x, perm=[1,0,2])代表将三位数组的高和行进行转置。 （与perm=[0,1,2]）相比 一二列互换 维度依旧是2*2*3

tf.transpose(x, perm=[1,2,0]) 原始perm=[0,1,2]交换第一第二维变成perm=[1,0,2]在交换2 3维度变成