python - tf.transpose 如何在 tensorflow 中工作？

Question

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

转置a。它根据 perm 排列尺寸。因此，如果我使用此矩阵进行转换:

import tensorflow as tt
import os
os.environ["TF_CPP_MIN_LOG_LEVEL"]="3"
import numpy as bb
ab=([[[1,2,3],[6,5,4]],[[4,5,6],[3,6,3]]])
v=bb.array(ab)
fg=tt.transpose(v)
print(v)

with tt.Session() as df:
    print("\n New tranformed matrix is: \n\n{}".format(df.run(fg)))

结果是:

[[[1 2 3]
  [6 5 4]]

 [[4 5 6]
  [3 6 3]]]

 New tranformed matrix is: 

[[[1 4]
  [6 3]]

 [[2 5]
  [5 6]]

 [[3 6]
  [4 3]]]

Process finished with exit code 0

现在如果我使用 perm 参数则:

import tensorflow as tt
import os
os.environ["TF_CPP_MIN_LOG_LEVEL"]="3"
import numpy as bb
ab=([[[1,2,3],[6,5,4]],[[4,5,6],[3,6,3]]])
v=bb.array(ab)
fg=tt.transpose(v,perm=[0,2,1])
print(v)

with tt.Session() as df:
    print("\n New tranformed matrix is: \n\n{}".format(df.run(fg)))

结果是:

[[[1 2 3]
  [6 5 4]]

 [[4 5 6]
  [3 6 3]]]

 New tranformed matrix is: 

[[[1 6]
  [2 5]
  [3 4]]

 [[4 3]
  [5 6]
  [6 3]]]

Process finished with exit code 0

因此，我很困惑，我有两个问题:

• 每当我想转置一个矩阵时，我必须给 perm[0,2,1] 作为 默认 ?
• 这里的 0,2,1 是什么？

Answer 1

查看 numpy.transpose 文档，我们发现 transpose接受争论

axes : list of ints, optional
By default, reverse the dimensions, otherwise permute the axes according to the values given.

所以默认调用transpose翻译成np.transpose(a, axes=[1,0])对于 2D 情况，或 np.transpose(a, axes=[2,1,0]) .

您希望在此处进行的操作是使“深度”维度保持不变的操作。因此在 axes 参数中，深度轴是 0 th 轴，需要保持不变。轴 1和 2 (其中 1 是垂直轴)，需要改变位置。因此，您更改了初始 [0,1,2] 的轴顺序至 [0,2,1] ([stays the same, changes with other, changes with other])。

在 tensorflow 中，由于某种原因，他们重命名为 axes至 perm .上面的论点保持不变。

图片

关于图像，它们与问题中的数组不同。图像通常将 x 和 y 存储在前两个维度中， channel 存储在最后一个维度中，[y,x,channel] .

为了在二维转置的意义上“转置”图像，其中水平轴和垂直轴交换，您需要使用

np.transpose(a, axes=[1,0,2])

( channel 保持不变，x 和 y 交换)。