torch.reshape、np.reshape详解
1. torch.reshape、np.reshape
torch版
x.reshape()
作用：以相应的维度，改变tensor。
注：修改的shape必须满足原来的tensor和reshape的tensor元素个数相等，比如原来tensor的shape为（2，2，3），元素个数为12，那么要进行reshape必须满足元素个数为12，如（4，3，1），（3，2，2）等等。
rehsape函数有一个比较特殊的-1，-1的值为总元素个数除以（其他维度值相乘）
比如原始tensor维度为（2，2，3），reshape为（-1，3，4），-1的值就为12/(3×4）=1，即reshape后的tensor的shape为（1，3，4）
torch示例：
import torch
x = torch.tensor([[[1, 2, 3], [4, 5, 6]],
[[7, 8, 9], [10, 11, 12]]])
b = x.reshape((4, 3, 1))
c = x.reshape((1, 3, 4))
d = x.reshape((12, 1))
print('x_shape:', x.shape) # torch.Size([2, 2, 3])
print('b_shape:', b.shape) # b_shape: torch.Size([4, 3, 1])
print('c_shape:', c.shape) # c_shape: torch.Size([1, 3, 4])
print('d_shape:', d.shape) # d_shape: torch.Size([12, 1])
print('x:', x)
print('b:', b)
print('c:', c)
print('d:', d)
numpy版
x.reshape()
numpy的reshape有个order 参数， 默认order=‘C’。
order : 可选范围为{‘C’, ‘F’, ‘A’}
（1）“C”指的是用类C写的读/索引顺序的元素，最后一个维度变化最快，第一个维度变化最慢。以二维数组为例，简单来讲就是横着读，横着写，优先读/写一行。
（2）“F”是指用FORTRAN类索引顺序读/写元素，最后一个维度变化最慢，第一个维度变化最快。竖着读，竖着写，优先读/写一列。注意，“C”和“F”选项不考虑底层数组的内存布局，只引用索引的顺序。
3）“A”选项所生成的数组的效果与原数组a的数据存储方式有关，如果数据是按照FORTRAN存储的话，它的生成效果与”F“相同，否则与“C”相同。
注：FORTRAN和C是两个语言，他们存储数组的方式不同，FORTRSAN为列优先，而C为行优先。在python中默认数组生成的时候是按照C的方式进行存储。但，很多时候我们需要调用Fortran的一些库进行数学计算，所以需要让numpy生成的数组变成按照FORTRAN的方式存储，使用numpy.asfortranarray方法。
import numpy as np
x = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
x = x.reshape((1, 1, 1, 2, 5))
print('x_shape:', x.shape) # (1, 1, 1, 2, 5)