Jak permutować tranpozycję w tensorflow?

Question

Z docs:

Transposes a . Permutes the dimensions according to perm.

The returned tensor's dimension i will correspond to the input dimension perm[i] . If perm is not given, it is set to (n-1...0), where n is the rank of the input tensor. Hence by default, this operation performs a regular matrix transpose on 2-D input Tensors.

Ale to wciąż niewiele wiadomo mi, jak mam być krojenie tensor wejściowego. Na przykład. od docs też:

tf.transpose(x, perm=[0, 2, 1]) ==> [[[1 4] 
             [2 5] 
             [3 6]] 

            [[7 10] 
             [8 11] 
             [9 12]]] 

Dlaczego jest tak, że perm=[0,2,1] produkuje tensora 1x3x2?

Po pewnym prób i błędów:

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]]]) 

A gdybym transpozycji:

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

dostaję 4x3x2 do 2x3x4 i to brzmi logicznie.

[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]]] 

Ale kiedy użyć parametru perm wyjście, nie jestem pewien, co ja naprawdę się:

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]]] 

Dlaczego perm=[0,2,1] zwraca matrycę 2x4x3 z 2x3x4?

Próbując go ponownie perm=[1,0,2]:

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]]] 

Dlaczego perm=[1,0,2] zamian 3x2x4 z 2x3x4?

Czy to oznacza, że ​​parametr jest perm biorąc moją np.shape i transpozycji tensor opartą na elementach opiera się na mojej formie tablicy?

tj. :

_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])) 

[z]:

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

Answer 1

myślę perm jest przestawiania wymiary. Na przykład perm=[0,2,1] jest skrótem od dim_0 -> dim_0, dim_1 -> dim_2, dim_2 -> dim_1. Więc dla tensora 2D, perm=[1,0] jest po prostu transponowaniem macierzy. Czy to odpowiada na twoje pytanie?

Answer 2

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

Objaśnienie:

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)