TensorFlow函數(shù)：tf.transpose

tf.transpose函數(shù)

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

定義在：tensorflow/python/ops/array_ops.py.

請參閱指南：數(shù)學(xué)函數(shù)>矩陣數(shù)學(xué)函數(shù),張量變換>分割和連接

置換 a,根據(jù) perm 重新排列尺寸.

返回的張量的維度 i 將對應(yīng)于輸入維度 perm[i].如果 perm 沒有給出,它被設(shè)置為(n-1 ... 0),其中 n 是輸入張量的秩.因此,默認(rèn)情況下,此操作在二維輸入張量上執(zhí)行常規(guī)矩陣轉(zhuǎn)置.如果共軛為 True,并且 a.dtype 是 complex64 或 complex128,那么 a 的值是共軛轉(zhuǎn)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]]

# If x is complex, setting conjugate=True gives the conjugate transpose
x = tf.constant([[1 + 1j, 2 + 2j, 3 + 3j],
                 [4 + 4j, 5 + 5j, 6 + 6j]])
tf.transpose(x, conjugate=True)  # [[1 - 1j, 4 - 4j],
                                 #  [2 - 2j, 5 - 5j],
                                 #  [3 - 3j, 6 - 6j]]

# 'perm' is more useful for n-dimensional tensors, for n > 2
x = tf.constant([[[ 1,  2,  3],
                  [ 4,  5,  6]],
                 [[ 7,  8,  9],
                  [10, 11, 12]]])

# Take the transpose of the matrices in dimension-0
# (this common operation has a shorthand `matrix_transpose`)
tf.transpose(x, perm=[0, 2, 1])  # [[[1,  4],
                                 #   [2,  5],
                                 #   [3,  6]],
                                 #  [[7, 10],
                                 #   [8, 11],
                                 #   [9, 12]]]

函數(shù)參數(shù)：

• a：一個 Tensor.
• perm：a 的維數(shù)的排列.
• name：操作的名稱(可選).
• conjugate：可選 bool,將其設(shè)置為 True 在數(shù)學(xué)上等同于 tf.conj(tf.transpose(input)).

返回：

tf.transpose 函數(shù)返回一個轉(zhuǎn)置 Tensor.