mindspore.ops.transpose
- mindspore.ops.transpose(input, input_perm)[源代码]
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 input_perm 的元素值为负数,则其实际值为 input_perm[i] + rank(input) 。 Ascend平台不支持 input_perm 元素值为负。
- 参数:
input (Tensor) - 输入Tensor,其shape是 \((x_1, x_2, ..., x_R)\) 。
input_perm (tuple[int]) - 指定排列。 input_perm 中的元素由 input 的每个维度的索引组成。 input_perm 的长度和 input 的shape相同。只支持常量值。其范围在[-rank(input), rank(input))内。
- 返回:
Tensor,输出Tensor的数据类型与 input 相同,输出Tensor的shape由 input 的shape和 input_perm 的值决定。
- 异常:
TypeError - input_perm 不是tuple。
ValueError - input 的shape长度不等于 input_perm 的shape长度。
ValueError - input_perm 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, ops >>> input = Tensor(np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]]), mindspore.float32) >>> input_perm = (0, 2, 1) >>> output = ops.transpose(input, input_perm) >>> print(output) [[[ 1. 4.] [ 2. 5.] [ 3. 6.]] [[ 7. 10.] [ 8. 11.] [ 9. 12.]]]