代码语言：javascript复制
tf.transpose(
a,
perm=None,
name='transpose',
conjugate=False
)转置a.根据perm来改变尺寸。 返回的张量的维i将对应于输入维perm[i]。如果没有perm，它被设为(n-1…0)，其中n是输入张量的秩。因此，默认情况下，这个操作对二维输入张量执行一个常规矩阵转置。如果共轭为真，a,dtype可以是complex64，也可以是complex128，然后对a的值进行共轭和转置。
例:
代码语言：javascript复制x = tf.constant([[1, 2, 3], [4, 5, 6]])
tf.transpose(x) # [[1, 4]
# [2, 5]
# [3, 6]]
# Equivalently
tf.transpose(x, perm=[1, 0]) # [[1, 4]
# [2, 5]
# [3, 6]]
# If x is complex, setting conjugate=True gives the conjugate transpose
x = tf.constant([[1 1j, 2 2j, 3 3j],
[4 4j, 5 5j, 6 6j]])
tf.transpose(x, conjugate=True) # [[1 - 1j, 4 - 4j],
# [2 - 2j, 5 - 5j],
# [3 - 3j, 6 - 6j]]
# 'perm' is more useful for n-dimensional tensors, for n > 2
x = tf.constant([[[ 1, 2, 3],
[ 4, 5, 6]],
[[ 7, 8, 9],
[10, 11, 12]]])
# Take the transpose of the matrices in dimension-0
# (this common operation has a shorthand `matrix_transpose`)
tf.transpose(x, perm=[0, 2, 1]) # [[[1, 4],
# [2, 5],
# [3, 6]],
# [[7, 10],
# [8, 11],
# [9, 12]]]参数:
- a: 一个张量
- perm: A的维数的排列
- name :操作的名称(可选)
conjugate: 可选的布尔值。将其设置为True在数学上等价于tf.conj(tf.transpose(input))
返回值:
- 转置张量。
Numpy的兼容性
在numpy中，转置是一种内存效率高的常量时间操作，因为它们只是用调整后的步长返回相同数据的新视图。张量流不支持大步，因此转置返回一个新的张量，其中的项被置换。
原链接: https://tensorflow.google.cn/versions/r1.11/api_docs/python/tf/transpose?hl=en
