如何在张量流中变换位置

来自文档：

转座a。根据烫发来调整尺寸。

返回的张量的维度i将对应于输入维度CCD_ 2。如果未给定perm，则将其设置为（n-1…0），其中n是输入张量的秩。因此，默认情况下，此操作对2-D输入张量执行正则矩阵转置。

但我仍然有点不清楚我应该如何切片输入张量。例如，也来自文档：

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

为什么perm=[0,2,1]产生1x3x2张量

经过一些尝试和错误：

twothreefour = np.array([ [[1,2,3,4], [5,6,7,8], [9,10,11,12]] , 
                        [[13,14,15,16], [17,18,19,20], [21,22,23,24]] ])
twothreefour

[out]：

array([[[ 1,  2,  3,  4],
        [ 5,  6,  7,  8],
        [ 9, 10, 11, 12]],
       [[13, 14, 15, 16],
        [17, 18, 19, 20],
        [21, 22, 23, 24]]])

如果我把它转置：

fourthreetwo = tf.transpose(twothreefour) 
with tf.Session() as sess:
    init = tf.initialize_all_variables()
    sess.run(init)
    print (fourthreetwo.eval())

我从4x3x2到2x3x4，这听起来很合乎逻辑。

[out]：

[[[ 1 13]
  [ 5 17]
  [ 9 21]]
 [[ 2 14]
  [ 6 18]
  [10 22]]
 [[ 3 15]
  [ 7 19]
  [11 23]]
 [[ 4 16]
  [ 8 20]
  [12 24]]]

但当我使用perm参数作为输出时，我不确定我真正得到的是什么：

twofourthree = tf.transpose(twothreefour, perm=[0,2,1]) 
with tf.Session() as sess:
    init = tf.initialize_all_variables()
    sess.run(init)
    print (threetwofour.eval())

[out]：

[[[ 1  5  9]
  [ 2  6 10]
  [ 3  7 11]
  [ 4  8 12]]
 [[13 17 21]
  [14 18 22]
  [15 19 23]
  [16 20 24]]]

为什么perm=[0,2,1]从2x3x4返回2x4x3矩阵

使用perm=[1,0,2]:重试

threetwofour = tf.transpose(twothreefour, perm=[1,0,2]) 
with tf.Session() as sess:
    init = tf.initialize_all_variables()
    sess.run(init)
    print (threetwofour.eval())

[out]：

[[[ 1  2  3  4]
  [13 14 15 16]]
 [[ 5  6  7  8]
  [17 18 19 20]]
 [[ 9 10 11 12]
  [21 22 23 24]]]

为什么perm=[1,0,2]从2x3x4返回3x2x4

这是否意味着perm参数取我的np.shape，并根据我的阵列形状基于元素转换张量

即：

_size = (2, 4, 3, 5)
randarray = np.random.randint(5, size=_size)
shape_idx = {i:_s for i, _s in enumerate(_size)}
randarray_t_func = tf.transpose(randarray, perm=[3,0,2,1]) 
with tf.Session() as sess:
    init = tf.initialize_all_variables()
    sess.run(init)
    tranposed_array = randarray_t_func.eval()
    print (tranposed_array.shape)
print (tuple(shape_idx[_s] for _s in [3,0,2,1]))

[out]：

(5, 2, 3, 4)
(5, 2, 3, 4)

A=[2,3,4] matrix, using perm(1,0,2) will get B=[3,2,4].

Index=(0,1,2)
A    =[2,3,4]
Perm =(1,0,2)
B    =(3,2,4)  --> Perm 1 from Index 1 (3), Perm 0 from Index 0 (2), Perm 2 from Index 2 (4) --> so get (3,2,4)