它们都用于重新排列张量的维度，但在实现细节和使用方式上有所不同

numpy.transpose

numpy.transpose 函数用于重新排列数组的维度。它接受一个元组作为参数，表示新的维度顺序。

numpy.transpose(a, axes=None)

a：输入的数组。
axes：一个整数元组，表示新的维度顺序。如果 None，则默认反转所有维度。

• 示例

import numpy as np# 创建一个形状为 (2, 3, 4) 的数组
x = np.random.randn(2, 3, 4)# 重新排列维度为 (2, 0, 1)
y = np.transpose(x, (2, 0, 1))print(x.shape)  # 输出: (2, 3, 4)
print(y.shape)  # 输出: (4, 2, 3)

在这个例子中，np.transpose(x, (2, 0, 1)) 将数组 x 的维度重新排列为 (2, 0, 1)，结果数组 y 的形状变为 (4, 2, 3)。

torch.permute

torch.permute 函数用于重新排列张量的维度。它接受一个元组作为参数，表示新的维度顺序。

torch.permute(input, dims)

input：输入的张量。
dims：一个整数元组，表示新的维度顺序。

• 示例

import torch# 创建一个形状为 (2, 3, 4) 的张量
x = torch.randn(2, 3, 4)# 重新排列维度为 (2, 0, 1)
y = torch.permute(x, (2, 0, 1))print(x.shape)  # 输出: torch.Size([2, 3, 4])
print(y.shape)  # 输出: torch.Size([4, 2, 3])

在这个例子中，torch.permute(x, (2, 0, 1)) 将张量 x 的维度重新排列为 (2, 0, 1)，结果张量 y 的形状变为 (4, 2, 3)。

区别总结

1. 功能相似：
   numpy.transpose 和 torch.permute 都用于重新排列数组或张量的维度。

2. 默认行为：
   numpy.transpose：如果没有指定 axes 参数，默认反转所有维度。
   torch.permute：必须显式指定新的维度顺序。

3. 使用方式：
   numpy.transpose：通常用于 numpy 数组。
   torch.permute：通常用于 torch 张量。

总结

• numpy.transpose 和 torch.permute 在功能上相似，都用于重新排列数组或张量的维度。

• numpy.transpose 默认反转所有维度，而 torch.permute 必须显式指定新的维度顺序。