transpose(3, 0, 1, 2) 的意思是什么？

Question

这是什么意思？

data.transpose(3, 0, 1, 2)

另外，如果 data.shape == (10, 10, 10)，为什么会出现 ValueError: axes don't match array 错误？

- John

Answer 1

让我用 Python3 来讨论。

我在 Python 中使用转置函数，写作 data.transpose(3,0,1,2)

这是错误的，因为该操作需要 4 个维度，而你只提供了 3 个（例如 (10,10,10)）。可以通过以下方式复现：

>>> a = np.arange(60).reshape((1,4,5,3))
>>> b = a.transpose((2,0,1))
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: axes don't match array

您可以通过将（10,10,10）重塑为（1,10,10,10），从而为图像批次为1添加另一个维度。 实现方法如下：

w,h,c = original_image.shape #10,10,10
modified_img = np.reshape((1,w,h,c)) #(1,10,10,10)

对于2D numpy数组，transpose对于一个数组（矩阵）的操作就像名称所说的一样。但对于像你的高维数组，它基本上作为moveaxis运行。那么3, 0, 1, 2是什么意思呢？

>>> a = np.arange(60).reshape((4,5,3))
>>> b = a.transpose((2,0,1))
>>> b.shape
(3, 4, 5)
>>> c = np.moveaxis(a,-1,0)
>>> c.shape
(3, 4, 5)
>>> b
array([[[ 0,  3,  6,  9, 12],
        [15, 18, 21, 24, 27],
        [30, 33, 36, 39, 42],
        [45, 48, 51, 54, 57]],

       [[ 1,  4,  7, 10, 13],
        [16, 19, 22, 25, 28],
        [31, 34, 37, 40, 43],
        [46, 49, 52, 55, 58]],

       [[ 2,  5,  8, 11, 14],
        [17, 20, 23, 26, 29],
        [32, 35, 38, 41, 44],
        [47, 50, 53, 56, 59]]])
>>> c
array([[[ 0,  3,  6,  9, 12],
        [15, 18, 21, 24, 27],
        [30, 33, 36, 39, 42],
        [45, 48, 51, 54, 57]],

       [[ 1,  4,  7, 10, 13],
        [16, 19, 22, 25, 28],
        [31, 34, 37, 40, 43],
        [46, 49, 52, 55, 58]],

       [[ 2,  5,  8, 11, 14],
        [17, 20, 23, 26, 29],
        [32, 35, 38, 41, 44],
        [47, 50, 53, 56, 59]]])

显而易见，这两种方法的作用相同。

- Pe Dro

Answer 2

该操作将从 (samples, rows, columns, channels) 转换为 (samples, channels, rows, cols)，可能是从 opencv 到 pytorch。

- skysailing

---

这个答案是不正确的。np.zeros((0, 1, 2, 3)).transpose(3, 0, 1, 2).shape 实际上等于 (3, 0, 1, 2)。 - Mateen Ulhaq

既然转置是（3,0,1,2），那么它不应该将（样本，行，列，通道）转换为（通道，样本，行，列）吗？ - rmutalik

Answer 3

请查看numpy.transpose。

使用transpose(a, argsort(axes))函数并指定axes参数，可以将张量的转置倒转回来。

对于一维数组，转置返回原始数组的未更改视图。

---

e.g.

>>> x = np.arange(4).reshape((2,2))
>>> x
array([[0, 1],
       [2, 3]])
>>>
>>> np.transpose(x)
array([[0, 2],
       [1, 3]])

- McGrady

Answer 4

您在转置中指定了太多的值

>>> a = np.arange(8).reshape(2,2,2)
>>> a.shape (2, 2, 2)
>>> a.transpose([2,0,1])
array([[[0, 2],
        [4, 6]],

       [[1, 3],
        [5, 7]]])
>>> a.transpose(3,0,1,2) Traceback (most recent call last):   File "<interactive input>", line 1, in <module> ValueError: axes don't match array
>>>

- NaN

Answer 5

问题在于您已经将一个三维矩阵应用了四维转置。 您的命令是将一个四维矩阵（批次、行、列、通道）转换为另一个四维矩阵（行、列、通道、批次），但您需要一个命令来转换三维矩阵。因此，请删除3并编写data.transpose(2, 0, 1)。

- SrijanVarma

Answer 6

对于所有的i，j，k，l，以下内容是正确的：

arr[i, j, k, l] == arr.transpose(3, 0, 1, 2)[l, i, j, k]

---

transpose(3, 0, 1, 2) 可以将数组的维度从 (a, b, c, d) 调整为 (d, a, b, c)：

>>> arr = np.zeros((10, 11, 12, 13))

>>> arr.transpose(3, 0, 1, 2).shape
(13, 10, 11, 12)

- Mateen Ulhaq

Answer 7

从Python的np.transpose文档中可以看到，np.transpose函数的第二个参数是axes，它是一个 整数列表，可选，默认情况下会反转维度，否则根据给定的值排列轴。.

例如：

>>> x = np.arange(9).reshape((3,3))
>>> x
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

>>> np.transpose(x, (0,1))
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

>>> np.transpose(x, (1,0))
array([[0, 3, 6],
       [1, 4, 7],
       [2, 5, 8]])

- Jarvis

---

谢谢，如果我的数据是（3,3,3,2），那么 data.transpose(3, 0, 1, 2) 是什么意思？ - John

没有提到实际的问题... (3.0.1.2) - Pe Dro

嘿@Jarvis，我想说的是这个问题有两个部分；你的回答只涉及了其中一个。我在这里尝试提供另一个答案[https://dev59.com/W5_ha4cB1Zd3GeqPsAU5#62975651]。下投票的目的只是为了提高问题可能收到的答案的质量。作者已经接受了你的答案，但这并不能掩盖你的答案几乎没有任何赞同票的事实。请下次谦虚一点。让我们共同建设更好的社区 :) - Pe Dro