文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型
issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型
规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

mindspore.ops.transpose

mindspore.ops.transpose(input_x, 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.ExpandDims 。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]) 。

Note

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_x) 。 Ascend平台不支持 input_perm 元素值为负。

参数：

  • input_x (Tensor) - 输入Tensor，其shape是 (x1,x2,...,xR) 。

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

返回：

Tensor，输出Tensor的数据类型与 input_x 相同，输出Tensor的shape由 input_x 的shape和 input_perm 的值决定。

异常：

  • TypeError - input_perm 不是tuple。

  • ValueError - input_x 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：

>>> input_x = 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_x, input_perm)
>>> print(output)
[[[ 1.  4.]
  [ 2.  5.]
  [ 3.  6.]]
 [[ 7. 10.]
  [ 8. 11.]
  [ 9. 12.]]]