tf.compat.v1.transpose

Транспонирует a.

tf.compat.v1.transpose(
    a, perm=None, name='transpose', conjugate=False
)

Переупорядочивает измерения в соответствии с perm.

Измерение i возвращаемого тензора будет соответствовать измерению входа perm[i]. Если perm не указано, оно устанавливается в (n-1...0), где n — ранг входного тензора. Таким образом, по умолчанию данная операция выполняет обычную транспонирование матрицы для двумерных входных тензоров. Если conjugate равно True и a.dtype равно либо complex64 , либо complex128, то значения a конъюгируются и транспонируются.

Например:

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 `linalg.matrix_transpose`)
tf.transpose(x, perm=[0, 2, 1])  # [[[1,  4],
                                 #   [2,  5],
                                 #   [3,  6]],
                                 #  [[7, 10],
                                 #   [8, 11],
                                 #   [9, 12]]]

Совместимость с NumPy

В NumPy транспонирование — это эффективные операции с постоянным временем, так как они просто возвращают новый вид тех же данных с изменёнными strides.

TensorFlow не поддерживает strides, поэтому transpose возвращает новый тензор с переупорядоченными элементами.