分类：reshape

2020
10-08

浅谈numpy中函数resize与reshape,ravel与flatten的区别

这两组函数中区别很是类似，都是一个不改变之前的数组，一个改变数组本身resize和reshape>>>importnumpyasnp>>>a=np.arange(20).reshape(4,5)>>>aarray([[0,1,2,3,4],[5,6,7,8,9],[10,11,12,13,14],[15,16,17,18,19]])>>>a.reshape(2,10)array([[0,1,2,3,4,5,6,7,8,9],[10,11,12,13,14,15,16,17,18,19]])>>>aarray([[0,1,2,3,4],[5,6,7,8,9],[10,11,12,13,14]... 继续阅读 >

2020
10-08

基于PyTorch的permute和reshape/view的区别介绍

二维的情况先用二维tensor作为例子，方便理解。permute作用为调换Tensor的维度，参数为调换的维度。例如对于一个二维Tensor来说，调用tensor.permute(1,0)意为将1轴（列轴）与0轴（行轴）调换，相当于进行转置。In[20]:aOut[20]:tensor([[0,1,2],[3,4,5]])In[21]:a.permute(1,0)Out[21]:tensor([[0,3],[1,4],[2,5]])如果使用view(3,2)或reshape(3,2)，得到的tensor并不是转置的效... 继续阅读 >

2020
09-27

numpy库reshape用法详解

numpy.reshape（重塑）给数组一个新的形状而不改变其数据numpy.reshape(a,newshape,order='C')参数：a：array_like要重新形成的数组。newshape：int或tuple的整数新的形状应该与原始形状兼容。如果是整数，则结果将是该长度的1-D数组。一个形状维度可以是-1。在这种情况下，从数组的长度和其余维度推断该值。order：{'C'，'F'，'A'}可选使用此索引顺序读取a的元素，并使用此索引顺序将元素放置到重新形成的数组中。'C'意味着使用... 继续阅读 >

2020
09-27

TensorFlow的reshape操作 tf.reshape的实现

初学tensorflow，如果写的不对的，请更正，谢谢！tf.reshape(tensor,shape,name=None)函数的作用是将tensor变换为参数shape的形式。其中shape为一个列表形式，特殊的一点是列表中可以存在-1。-1代表的含义是不用我们自己指定这一维的大小，函数会自动计算，但列表中只能存在一个-1。（当然如果存在多个-1，就是一个存在多解的方程了）好了我想说的重点还有一个就是根据shape如何变换矩阵。其实简单的想就是，reshape（t,shape）... 继续阅读 >