web-dev-qa-db-ja.com

PyTorchのtensor.permuteとtensor.viewの違いは？

tensor.permute()とtensor.view()の違いは何ですか？

彼らは同じことをしているようです。

pythonmultidimensional-arraydeep-learningpytorchtensor
9
samol

入力

_In [12]: aten = torch.tensor([[1, 2, 3], [4, 5, 6]])

In [13]: aten
Out[13]: 
tensor([[ 1,  2,  3],
        [ 4,  5,  6]])

In [14]: aten.shape
Out[14]: torch.Size([2, 3])
_

torch.view()は、テンソルを別の互換性のある形状に再形成します。たとえば、入力テンソルatenの形状は_(2, 3)_です。これは、形状のテンソル_(6, 1)_、_(1, 6)_などとして表示できます。

_# reshaping (or viewing) 2x3 matrix as a column vector of shape 6x1
In [15]: aten.view(6, -1)
Out[15]: 
tensor([[ 1],
        [ 2],
        [ 3],
        [ 4],
        [ 5],
        [ 6]])

In [16]: aten.view(6, -1).shape
Out[16]: torch.Size([6, 1])
_

または、次のように、形状を_(1, 6)_の行ベクトルとして再形成またはviewすることもできます。

_In [19]: aten.view(-1, 6)
Out[19]: tensor([[ 1,  2,  3,  4,  5,  6]])

In [20]: aten.view(-1, 6).shape
Out[20]: torch.Size([1, 6])
_

一方、tensor.permute()は、軸を交換するためにのみ使用されます。以下の例は物事を明確にします：

_In [39]: aten
Out[39]: 
tensor([[ 1,  2,  3],
        [ 4,  5,  6]])

In [40]: aten.shape
Out[40]: torch.Size([2, 3])

# swapping the axes/dimensions 0 and 1
In [41]: aten.permute(1, 0)
Out[41]: 
tensor([[ 1,  4],
        [ 2,  5],
        [ 3,  6]])

# since we permute the axes/dims, the shape changed from (2, 3) => (3, 2)
In [42]: aten.permute(1, 0).shape
Out[42]: torch.Size([3, 2])
_

負のインデックスを使用して、次の場合と同じことを行うこともできます。

_In [45]: aten.permute(-1, 0)
Out[45]: 
tensor([[ 1,  4],
        [ 2,  5],
        [ 3,  6]])

In [46]: aten.permute(-1, 0).shape
Out[46]: torch.Size([3, 2])
_
4
kmario23

ビューはテンソルの表現方法を変更します。例：4つの要素を持つテンソルは4X1または2X2または1X4として表すことができますが、置換によって軸が変更されます。データの移動中は移動されますが、ビューではデータは移動されずに再解釈されます。

以下のコード例が役立ちます。 aは2x2テンソル/行列です。ビューを使用すると、aを列または行ベクトル（テンソル）として読み取ることができます。しかし、それを移調することはできません。転置するには、置換が必要です。転置は、軸の入れ替え/入れ替えによって実現されます。

In [7]: import torch

In [8]: a = torch.tensor([[1,2],[3,4]])

In [9]: a
Out[9]: 
tensor([[ 1,  2],
        [ 3,  4]])

In [11]: a.permute(1,0)
Out[11]: 
tensor([[ 1,  3],
        [ 2,  4]])

In [12]: a.view(4,1)
Out[12]: 
tensor([[ 1],
        [ 2],
        [ 3],
        [ 4]])

In [13]:

ボーナス：参照 https://Twitter.com/karpathy/status/1013322763790999552

3
Umang Gupta