重塑数据集的合适参数答案

【问题标题】：Suitable parameters to reshape datasets重塑数据集的合适参数
【发布时间】：2019-01-22 18:02:53
【问题描述】：

我想知道是否有任何经验法则可以重塑数据集的数组？

X = np.array(X).reshape(-1, IMG_SIZE, IMG_SIZE, 1)

例如，从上面的代码 sn-p 中，我不明白传递给函数 reshape() 的数字的含义。如何知道要传递给函数的合适数字？

【问题讨论】：

【解决方案1】：

中的4个维度

X = np.array(X).reshape(-1, IMG_SIZE, IMG_SIZE, 1)

如下：

维度 0：批量中的图像

维度 1：行

维度 2：列

维度3：图像中的通道数

由于这是灰度图，所以图像有1个通道，所以最后一个数字是1（如果是RGB图像，最后一个数字应该是3，代表RGB中的3个通道）。

维度 1 和 2 是每个图像中的行数和列数，在您的情况下为 IMG_SIZE。维度 0 是批量大小。如果您知道批量大小，则可以在此处指定数字，也可以将其保留为 -1，它将唯一确定，因为提供了所有其他大小（维度 1、2、3）。

【讨论】：

我明白了。那么数组是一个4维数组吗？每个维度 0 和维度 3 都有“名称”吗？与维度 1 一样，它称为行，而对于维度 2，它称为列。我知道在 matlab 中，如果没有记错的话，第三维称为深度。
是的，维度0基本上是batch size，维度3是通道数
好的。谢谢你的解释。