tf.reshape()函数中-1的用法

先来看一下tf.reshape()函数的语法结构：
tf.reshape(tensor, shape, name=None)
其中，tensor可以理解为变量；shape就是数据格式；name默认为None。
这个函数的作用是将tensor变换为参数shape的形式。

与常用的更改结构的函数的最大不同在于tf.reshape()函数中经常会用到-1，那么这个-1是什么作用呢？
先来看一下官方解释

意思就是，哪一维使用了-1，那这一维度就不定义大小，而是根据你的数据情况进行匹配。即先不管-1的那一个维度，先看其他维度，然后用原矩阵的总元素个数除以确定的维度，就能得到-1维度的值。
不过要注意：但列表中只能存在一个-1。

下面用代码进行演示：

import numpy as np
z = np.array([[1, 2, 3, 4],
   ...:           [5, 6, 7, 8],
   ...:           [9, 10, 11, 12],
   ...:           [13, 14, 15, 16]])
   ...: 
z.reshape(-1)
Out[12]: array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16])
z.reshape(2,-1)
Out[13]: 
array([[ 1,  2,  3,  4,  5,  6,  7,  8],
       [ 9, 10, 11, 12, 13, 14, 15, 16]])
z.reshape(-1,2)
Out[14]: 
array([[ 1,  2],
       [ 3,  4],
       [ 5,  6],
       [ 7,  8],
       [ 9, 10],
       [11, 12],

这里演示的时候使用的是正常的reshape()函数，跟tf.reshape()原理是一样的。