将张量重塑为矩阵并返回答案

【问题标题】：Reshape tensor to matrix and back将张量重塑为矩阵并返回
【发布时间】：2021-03-07 11:38:41
【问题描述】：

我有两种方法：一种将 4D 矩阵（张量）转换为矩阵，另一种将 2D 矩阵转换为 4D。

从 4D 重塑到 2D 效果很好，但是当我再次尝试在张量中重新转换时，我没有实现相同的元素顺序。方法有：

# Method to convert the tensor in a matrix
def tensor2matrix(tensor):
    # rows, columns, channels and filters
    r, c, ch, f = tensor[0].shape
    new_dim = [r*c*ch, f] # Inferer the new matrix dims
    # Transpose is necesary because the columns are the channels weights 
    # flattened in columns
    return np.reshape(np.transpose(tensor[0], [2,0,1,3]), new_dim)

# Method to convert the matrix in a tensor
def matrix2tensor(matrix, fs):
    return np.reshape(matrix, fs, order="F")

我认为问题出在np.transpose，因为只有当矩阵是我才能按行排列列...有没有办法在没有循环的情况下从矩阵中支持张量？

【问题讨论】：

标签： python matrix slice reshape tensor

【解决方案1】：

考虑以下更改：

将两个tensor[0] 替换为tensor，以避免

ValueError: 没有足够的值来解包（预期 4，得到 3）

运行下面提供的示例时
确保两个np.reshape 调用使用相同的order="F"
在matrix2tensor 中使用另一个np.transpose 调用来撤消tensor2matrix 中的np.transpose

更新后的代码是

import numpy as np

# Method to convert the tensor in a matrix
def tensor2matrix(tensor):
    # rows, columns, channels and filters
    r, c, ch, f = tensor.shape
    new_dim = [r*c*ch, f] # Inferer the new matrix dims
    # Transpose is necesary because the columns are the channels weights 
    # flattened in columns
    return np.reshape(np.transpose(tensor, [2,0,1,3]), new_dim, order="F")

# Method to convert the matrix in a tensor
def matrix2tensor(matrix, fs):
    return np.transpose(np.reshape(matrix, fs, order="F"), [1,2,0,3])

可以这样测试：

x,y,z,t = 2,3,4,5
shape = (x,y,z,t)
m1 = np.arange(x*y*z*t).reshape((x*y*z, 5))
t1 = matrix2tensor(m1, shape)
m2 = tensor2matrix(t1)
assert (m1 == m2).all()

t2 = matrix2tensor(m2, shape)
assert (t1 == t2).all()

【讨论】：