我有一个 shape 张量(30, 116, 10)
,我想交换前两个维度,这样我就有一个 shape 张量(116, 30, 10)
我看到 numpy 作为这样的函数实现了 ( np.swapaxes
),我在 tensorflow 中搜索了类似的东西,但我什么也没找到。
你有什么主意吗?
我有一个 shape 张量(30, 116, 10)
,我想交换前两个维度,这样我就有一个 shape 张量(116, 30, 10)
我看到 numpy 作为这样的函数实现了 ( np.swapaxes
),我在 tensorflow 中搜索了类似的东西,但我什么也没找到。
你有什么主意吗?
tf.transpose
提供与 相同的功能np.swapaxes
,但形式更通用。在您的情况下,您可以执行tf.transpose(orig_tensor, [1, 0, 2])
相当于np.swapaxes(orig_np_array, 0, 1)
.
如果输入维数未知,则可以使用tf.einsum交换轴。例如:
tf.einsum("ij...->ji...", input)
将交换input
;的前两个维度tf.einsum("...ij->...ji", input)
将交换最后两个维度;tf.einsum("aij...->aji...", input)
将交换第二维和第三维;tf.einsum("ijk...->kij...", input)
将置换前三个维度;等等。
您只能使用 转置最后两个轴tf.linalg.matrix_transpose
,或者更一般地说,您可以通过动态计算前导索引是什么来交换任意数量的尾随轴,并为要转置的轴使用相对索引
x = tf.ones([5, 3, 7, 11])
trailing_axes = [-1, -2]
leading = tf.range(tf.rank(x) - len(trailing_axes)) # [0, 1]
trailing = trailing_axes + tf.rank(x) # [3, 2]
new_order = tf.concat([leading, trailing], axis=0) # [0, 1, 3, 2]
res = tf.transpose(x, new_order)
res.shape # [5, 3, 11, 7]