tf.transpose 是否也会改变内存（如 np.ascontiguousarray）？

【问题标题】：Does tf.transpose also change the memory (like np.ascontiguousarray)?tf.transpose 是否也会改变内存（如 np.ascontiguousarray）？
【发布时间】：2018-10-01 15:11:09
【问题描述】：

如果我使用tf.transpose，它是否也会改变内存布局？

在 numpy 中使用函数np.ascontiguousarray。

我的意思是，如果我使用 cuda，这将很重要。因为如果内存布局是 [N C H W] 或 [N H W C]，它会有所不同。（N ... Nr 个样本，H ... 阵列高度，W ... 阵列宽度，C ... 阵列深度，例如 RGB）

如何检查？

【问题讨论】：

标签： python-2.7 numpy tensorflow

【解决方案1】：

如果你仔细阅读the documentation你可以找到答案：

Numpy 兼容性

在 numpy 中，转置是节省内存的常数时间操作，因为它们只是返回具有调整步幅的相同数据的新视图。

TensorFlow 不支持步幅，因此 transpose 会返回一个新张量，其中项目已置换。

因此tf.transpose 返回一个具有所需形状的新张量（因此效率低下），所以是的，它改变了内存布局。

但是，您可以使用tf.reshape 来更改张量形状而不创建新形状，而不是使用tf.trasnpose

【讨论】：