如果我使用tf.transpose它是否也改变了内存布局？
在numpy中，它使用函数np.ascontiguousarray。
我的意思是，如果我使用cuda，这将非常重要。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 ...数组高度，W ...数组宽度，C ...数组深度，例如RGB）
如何检查？
答案 0 :(得分：1)
如果您仔细阅读the documentation，您可以找到答案：
Numpy Compatibility
numpy transposes是一种节省内存的常量时间操作，因为它们只是通过调整后的步幅返回相同数据的新视图。
TensorFlow不支持步幅，因此转置会返回一个新的张量，其中的项目是置换的。
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来更改张量形状而无需创建新的张量，而不是使用tf.trasnpose