需要帮助重塑多维 NumPy 数组答案

【问题标题】：Need help reshaping multidimensional NumPy array需要帮助重塑多维 NumPy 数组
【发布时间】：2018-01-09 18:01:26
【问题描述】：

在 TensorFlow 中，我有一个张量 h，形状为 (?, 14, 14, 512)。

我通过tf.reshape(h, [-1, 196, 512])重塑了自己的形象

这会导致形状为 (?, 196, 512) 的张量。完美的。我需要对 numpy 数组做同样的事情。

我有一个巨大的多维 NumPy 数组保存到磁盘。它看起来像这样：

features = numpy.ndarray([3000, 14, 14, 2048], dtype=np.float32)

并且需要它的形状：

[3000, 196, 2048]

如何进行这种转换，以免丢失信息？

是numpy.reshape(features, (3000, 196, 2048))吗？

还是numpy.reshape(features, (-1, 196, 2048))？

这两种重塑方法的结果是一样的还是有什么区别？

【问题讨论】：

使用 tf.reshape 和 np.reshape 应该得到相同的结果

标签： python numpy tensorflow tensor

【解决方案1】：

两者都是有效的，并且会给你相同的结果：

features = np.ndarray([3000, 14, 14, 2048], dtype=np.float32)

# prints (3000, 196, 2048)
print(np.reshape(features, (3000, 196, 2048)).shape)

# prints (3000, 196, 2048)
print(np.reshape(features, (-1, 196, 2048)).shape)

# another option, prints (3000, 196, 2048) as well
print(features.reshape((-1, 196, 2048)).shape)

只要你恰好有一个-1 维度，numpy 就能自动计算出它的值。

【讨论】：

【解决方案2】：

可以写成

a = np.ndarray([3000,14,14,2048])
b = a.reshape((-1, 196, 2048))

形状维度可以是-1，并且该值是从数组的长度和剩余维度推断出来的。

在您的情况下，维度的第一个值必须是 3000 才能满足其余维度。

这两种重塑方法的结果是一样的还是有什么区别？

这两个应该给你相同的结果

【讨论】：