paddle深度学习5 向量的维度变换

对于Tensor数据类型而言，有的时候，我们需要改变向量的形状，以满足计算要求

例如：向量的变形、转置、压缩、解压等，属于基本的向量维度变换操作

下面将对向量的维度变换操作进行介绍

【reshape()】

在numpy中就有reshape方法，用于对数组进行变形

paddle中沿用了这个方法名，可以达到类似的效果

import paddle

a=paddle.arange(1,7)

b=paddle.reshape(a,(2,3))

print(a)

print(b)

reshape的第一个参数为原向量，第二个参数为一个元组，它描述了新向量的形状

注意元组的元素总数要与原向量一致

【unsqueeze()】

unsqueeze()方法将对向量进行维度扩充，在指定的轴增加一个维度

import paddle

a=paddle.rand((3,4))

b=paddle.unsqueeze(a,axis=0)

print(a.shape)

print(b.shape)

原向量的形状为(3,4)

我们这里给他在0轴增加了一个维度，从一个二维向量变成了一个三维向量

【squeeze()】

squeeze()方法与unsqueeze()方法正好相反，它的作用是减少一个维度

但要注意，被删除的维度尺寸必须为1

import paddle

a=paddle.rand((3,1,4))

b=paddle.squeeze(a,axis=1)

print(a.shape)

print(b.shape)

可以看到，squeeze()方法使用后，第1维消失了，向量从三维被降成了二维

【t()】

t()方法用于向量的转置

转置是一种改变向量维度顺序的操作，通常用于交换矩阵的行和列。

在数学上，转置操作将矩阵的行转换为列，列转换为行

import paddle

a=paddle.reshape(paddle.arange(1,13),(3,4))

b=paddle.t(a)

print(a)

print(b)

通过转置，原矩阵a从一个3*4矩阵变换成了4*3矩阵

并且每一行的元素被换到了每一列

即0轴和1轴进行了对调

【transpose()】

transpose()方法可以用于更加高维度的向量转置

import paddle

a=paddle.rand((2,3,4))

b=paddle.transpose(a,(2,0,1))

print(a.shape)

print(b.shape)

transpose()方法的第一个参数为原向量，第二个参数是一个元组，元组代表新向量的轴顺序

原本的(0,1,2)轴顺序被调换为了(2,0,1)

因此向量的形状也从(2,3,4)变成了(4,2,3)

【expand()】

`paddle.expand()是PaddlePaddle框架中的一个函数，用于将Tensor沿着指定的维度进行扩展。这个操作在不增加数据量的情况下，允许你改变Tensor的形状，使其在某些维度上具有更大的尺寸。这在处理不同形状的Tensor时非常有用，尤其是在广播机制中。

功能：paddle.expand 会将输入张量沿着某些维度复制多次，使其形状变为目标形状。

适用场景：当你需要将一个张量的形状扩展到更大的形状时，可以使用这个函数。

示例

假设你有一个形状为 [2, 1] 的张量

import paddle

x = paddle.to_tensor([[1], [2]])

expanded_x = paddle.expand(x, [2, 3])

print(x.shape)

print(expanded_x)