如何將形狀（3、1、2）的3D張量重塑為（1、2、3）

Question

我打算

(Pdb) aa = torch.tensor([[[1,2]], [[3,4]], [[5,6]]])
(Pdb) aa.shape
torch.Size([3, 1, 2])
(Pdb) aa
tensor([[[ 1,  2]],

        [[ 3,  4]],

        [[ 5,  6]]])
(Pdb) aa.view(1, 2, 3)
tensor([[[ 1,  2,  3],
         [ 4,  5,  6]]])

但是我真正想要的是

tensor([[[ 1,  3,  5],
         [ 2,  4,  6]]])

怎么樣？

在我的應用程序中，我試圖將形狀為（L，N，C_in）的輸入數據轉換為（N，C_in，L）以便使用Conv1d ，其中

• L：序列長度
• N：批量
• C_in：輸入中通道的數量，我也將其理解為序列在每個位置上輸入的維數。

我也想知道Conv1d的輸入與GRU的輸入形狀不一樣嗎？

Answer 1

您可以將軸置換為所需的形狀。 （這在某種意義上類似於np.rollaxis操作）。

In [90]: aa
Out[90]: 
tensor([[[ 1,  2]],

        [[ 3,  4]],

        [[ 5,  6]]])

In [91]: aa.shape
Out[91]: torch.Size([3, 1, 2])

# pass the desired ordering of the axes as argument
# assign the result back to some tensor since permute returns a "view"
In [97]: permuted = aa.permute(1, 2, 0)

In [98]: permuted.shape
Out[98]: torch.Size([1, 2, 3])

In [99]: permuted
Out[99]: 
tensor([[[ 1,  3,  5],
         [ 2,  4,  6]]])

Answer 2

這是一種實現方法，仍然希望通過一次操作即可看到解決方案。

(Pdb) torch.transpose(aa, 0, 2).t()
tensor([[[ 1,  3,  5],
         [ 2,  4,  6]]])
(Pdb) torch.transpose(aa, 0, 2).t().shape
torch.Size([1, 2, 3])