tf.transpose

Транспонирует a, где a — это тензор.

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

Меняет порядок измерений в соответствии со значением perm.

Измерение i возвращаемого тензора будет соответствовать измерению perm[i]. Если perm не задано, оно устанавливается в (n-1...0), где n — ранг входного тензора. Таким образом, по умолчанию данная операция выполняет обычную транспозицию матрицы для входных тензоров 2-го порядка.

Если conjugate равно True и a.dtype равно complex64 или complex128, то значения a конъюгируются и транспонируются.

Например:

x = tf.constant([[1, 2, 3], [4, 5, 6]])
tf.transpose(x)
<tf.Tensor: shape=(3, 2), dtype=int32, numpy=
array([[1, 4],
       [2, 5],
       [3, 6]], dtype=int32)>

Аналогично, можно вызвать tf.transpose(x, perm=[1, 0]).

Если x является комплексным, установка conjugate=True даёт сопряжённую транспозицию:

x = tf.constant([[1 + 1j, 2 + 2j, 3 + 3j],
                 [4 + 4j, 5 + 5j, 6 + 6j]])
tf.transpose(x, conjugate=True)
<tf.Tensor: shape=(3, 2), dtype=complex128, numpy=
array([[1.-1.j, 4.-4.j],
       [2.-2.j, 5.-5.j],
       [3.-3.j, 6.-6.j]])>

'perm' более полезен для тензоров n-го порядка, где n > 2:

x = tf.constant([[[ 1,  2,  3],
                  [ 4,  5,  6]],
                 [[ 7,  8,  9],
                  [10, 11, 12]]])

Как и выше, просто вызов tf.transpose по умолчанию будет соответствовать perm=[2,1,0].

Чтобы получить транспонирование матриц в измерении-0 (например, когда вы транспонируете матрицы, где 0 — размерность пакета), необходимо установить perm=[0,2,1].

tf.transpose(x, perm=[0, 2, 1])
<tf.Tensor: shape=(2, 3, 2), dtype=int32, numpy=
array([[[ 1,  4],
        [ 2,  5],
        [ 3,  6]],
        [[ 7, 10],
        [ 8, 11],
        [ 9, 12]]], dtype=int32)>

Примечание: У этой операции есть сокращенная запись linalg.matrix_transpose):

Совместимость с NumPy

В NumPy транспозиции — это эффективные операции с постоянной сложностью, так как они просто возвращают новый вид тех же данных с изменёнными strides.

TensorFlow не поддерживает шаги, поэтому transpose возвращает новый тензор с переставленными элементами.