将大小为 (n,n,m) 的数组转换为 (None,n,n,m)答案

【问题标题】：converting an array of size (n,n,m) to (None,n,n,m)将大小为 (n,n,m) 的数组转换为 (None,n,n,m)
【发布时间】：2019-04-01 20:01:24
【问题描述】：

我正在尝试将大小为 (14,14,3) 的数组重塑为 (None, 14,14,3)。我已经看到卷积神经网络中每一层的输出具有格式（无，n，n，m）的形状。

考虑到我的数组的名称是 arr

我尝试了arr[None,:,:]，但它会将其转换为 (1,14,14,3) 的维度。

我该怎么做？

【问题讨论】：

我不熟悉张量对象，但据我所知，在 numpy. 有标量dtypes有一个空元组作为形状，但我从未见过None。
卷积神经网络层的输出形状为(None, n, n, m)。你的意思是用 numpy 不可能吗？
为什么需要对单个示例执行此操作？您是否将其传递给占位符变量？
@coldspeed 当我做了 abc = tf.placeholder("float32", shape=[None, 14, 14, 3])，然后 abc.shape 给了我 (None, 14,14,3 ）。我希望我的数组有类似的。我不知道传入占位符变量是什么意思
您可以执行feed_dict={abc: arr[None, ...]}，它将按预期传递给占位符。这就是你想要的，对吧？顺便说一句，在 numpy 中不能有可变维度，因为与 TensorFlow 不同，评估不是懒惰的。希望这能让事情变得清晰。

标签： python arrays numpy conv-neural-network reshape

【解决方案1】：

https://www.tensorflow.org/api_docs/python/tf/TensorShape

TensorShape 表示张量的可能部分形状规范。它可能是以下之一：

部分已知的形状：具有已知数量的维度，以及一个或多个维度的未知大小。例如TensorShape([无, 256])

这在numpy 中是不可能的。 ndarray 的所有维度都是已知的。

arr[None,:,:] 表示法添加了一个新的尺寸为 1 的维度，(1,14,14,3)。在广播规则下，可以更改这样的维度以匹配另一个数组的维度。从这个意义上说，我们经常将None 视为一个灵活的维度。

我没有使用过tensorflow，尽管我看到很多关于这两个标签的问题。 tensorflow 应该具有将值传入和传出张量的机制。它知道numpy，但numpy 不“知道”任何关于tensorflow 的信息。

ndarray 是具有已知值的对象，其形状用于以多维方式访问这些值。相比之下，tensor 没有值：

https://www.tensorflow.org/api_docs/python/tf/Tensor

它不保存该操作的输出值，而是提供一种计算这些值的方法

看起来你可以从一个数组中创建一个TensorProt（也可以从一个数组中返回一个数组）：

https://www.tensorflow.org/api_docs/python/tf/make_tensor_proto

并从数组中生成张量：

https://www.tensorflow.org/api_docs/python/tf/convert_to_tensor

【讨论】：

【解决方案2】：

形状 (None, 14,14,3) 代表 ,(batch_size,imgH,imgW,imgChannel) 现在 imgH 和 imgW 可以根据网络和问题互换使用。但是在神经网络中，batchsize 被指定为“None”，因为我们不想将我们的batchsize 限制为某个特定值，因为我们的batchsize 取决于很多因素，例如可用于我们的模型运行的内存等。

假设您有 4 个大小为 14x14x3 的图像，然后您可以将每个图像附加到 L1 数组中，现在 L1 将具有 4x14x14x3 的形状，即您制作了一批 4 个图像，现在您可以将其提供给您的神经网络。

注意这里 None 将被 4 替换，并且对于整个训练过程，它将是 4。类似地，当您只为网络提供一张图像时，它假定批量大小为 1 并将 None 设置为 1，从而为您提供形状 (1X14X14X3)

【讨论】：