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

вход

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 на другую, но совместимую форму. Например, наш входной тензор aten имеет форму (2, 3). Это можно рассматривать как тензоры 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])

Альтернативно, его можно также изменить или рассматривать 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])

В то время как tensor.permute() используется только для замены осей. Ниже приведен пример:

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 отрицательное индексирование, 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])

Просмотрите изменения, как представляется тензор. Для ex: тензор с 4 элементами может быть представлен как 4X1 или 2X2 или 1X4, но перестановка изменений осей. Хотя перестановка данных перемещается, но данные просмотра не перемещаются, а просто переинтерпретируются.

Ниже приведены примеры кода. a - 2x2 тензор/матрица. С помощью представления вы можете читать a как вектор столбца или строки (тензор). Но вы не можете транспонировать его. Для транспонирования вам нужно переставить. Транспонирование осуществляется путем переключения/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