mindspore.Tensor.transpose

mindspore.Tensor.transpose(dim0, dim1)

通过给定的维度对输入Tensor进行转置。

警告

这是一个实验性API，可能会更改或删除。

参数：

• dim0 (int) - 指定第一个需要被转置的维度。

• dim1 (int) - 指定第二个需要被转置的维度。

返回：

转置后的Tensor，与输入具有相同的数据类型。

异常：

• TypeError - 如果 dim0 或者 dim1 的数据类型不是int。

• ValueError - 如果 dim0 或者 dim1 的数值超出了范围：\([-ndim, ndim-1]\) 。

支持平台：

Ascend

样例：

>>> import numpy as np
>>> from mindspore import Tensor
>>> input = Tensor(np.ones((2,3,4), dtype=np.float32))
>>> output = Tensor.transpose(input, 0, 2)
>>> print(output.shape)
(4, 3, 2)

mindspore.Tensor.transpose(*axes)

根据指定的排列对输入的Tensor进行数据重排。

此函数对于一维数组转置后不产生变化。对于一维数组转为二维列向量，请参照：mindspore.ops.expand_dims() 。对于二维数组可以看做是标准的矩阵转置。对于n维数组，根据指定的轴进行排列。如果没有指定轴并且a.shape为：\((i[0], i[1], ... i[n-2], i[n-1])\) ，那么a.transpose().shape为：\((i[n-1], i[n-2], ... i[1], i[0])\) 。

说明

GPU和CPU平台上，如果 axes 的元素值为负数，则其实际值为 axes[i] + rank(self) 。

参数：

• axes (tuple[int]) - 指定转置的排列。 axes 中的元素由 self 的每个维度的索引组成。 axes 的长度和 self 的shape相同。只支持常量值。其范围在 [-rank(self), rank(self)) 内。

返回：

Tensor。输出Tensor的数据类型与输入相同，输出Tensor的shape由 self 的shape和 axes 的值决定。

异常：

• TypeError - 如果 axes 的类型不为tuple。

• ValueError - 如果 self 的shape长度不等于 axes 的长度。

• ValueError - 如果 axes 中存在相同的元素。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor
>>> input = Tensor(np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]]), mindspore.float32)
>>> axes = (0, 2, 1)
>>> output = Tensor.transpose(input, axes)
>>> print(output)
[[[ 1.  4.]
  [ 2.  5.]
  [ 3.  6.]]
 [[ 7. 10.]
  [ 8. 11.]
  [ 9. 12.]]]