pytorch reshape和transpose_pytroch reshape算子

做数据操作的时候发现计算错误，检查才知道是reshape和transpose混了。这里对两者的对比做个笔记。

代码：

    a = torch.rand((3,4))
    print(a)
    print('transpose',a.transpose(0,1))
    print('reshape',a.reshape(4,3))

输出：

tensor([[0.0908, 0.6192, 0.1025, 0.7192],
        [0.4392, 0.2334, 0.2123, 0.2559],
        [0.5325, 0.2606, 0.4103, 0.6293]])
transpose tensor([[0.0908, 0.4392, 0.5325],
        [0.6192, 0.2334, 0.2606],
        [0.1025, 0.2123, 0.4103],
        [0.7192, 0.2559, 0.6293]])
reshape tensor([[0.0908, 0.6192, 0.1025],
        [0.7192, 0.4392, 0.2334],
        [0.2123, 0.2559, 0.5325],
        [0.2606, 0.4103, 0.6293]])

可以看到transpose是类似于矩阵转置的操作，而reshape则是flatten后再切分成新的数组。

这个区别在深度学习中还是很重要的，或许就因为这种原因使模型表现不好。