pytorch_reshape的使用

reshape的使用

import numpy as np
#假设z是一个3行4列的矩阵
z = np.array([[1, 2, 3, 4],
          [5, 6, 7, 8],
          [9, 10, 11, 12]])

reshape(-1,newshape)的理解
如果reshape的值有-1的话,那么Numpy会根据所给的新的shape的信息(newshape),自动计算补足shape缺的值

比如这里的z矩阵,shape=(3,4),一共有12个元素,如果需要构造2列的新矩阵(只知道新矩阵的列信息),
newshape=2,也即是z.reshape(-1,2),那么-1的用处就是根据这个2列这个信息,计算得出新的矩阵需要多少行,
12除以2=6(不能整除会报错),那么新的矩阵就是一个6*2的新矩阵;

再举一个例子,还是这个z矩阵,如果需要构造2乘3小矩阵的三维新矩阵(只知道新矩阵的小矩阵的行列信息),
newshape=2乘3,也即是z.shape(-1,2,3),那么-1的用处就是根据这个2乘3小矩阵这个信息,计算得出新的三维矩阵需要多少个2乘3的小矩阵,
12除以(2乘3)=2,那么新的三维矩阵就是一个2乘2乘3的三维矩阵。(这里三维矩阵的说法有问题,希望理解就OK)


z_1=z.reshape(-1)#改成一串,没有行列
print("z.reshape(-1)的结果:")
print(z_1)
print("结果大小:",z_1.shape)
z.reshape(-1)的结果:
[ 1  2  3  4  5  6  7  8  9 10 11 12]
结果大小: (12,)
z_2=z.reshape(-1,1)#不知道几行,改成1列,这里意思是最后一维度是1(最内部的[]包含1个元素)
print("z.shape(-1,1)的结果:")
print(z_2)
print("结果大小:",z_2.shape)
z.shape(-1,1)的结果:
[[ 1]
 [ 2]
 [ 3]
 [ 4]
 [ 5]
 [ 6]
 [ 7]
 [ 8]
 [ 9]
 [10]
 [11]
 [12]]
结果大小: (12, 1)
z_3=z.reshape(-1,2)#不知道几行,改成2列,这里意思是最后一维度是2(最内部的[]包含2个元素)
print("z.shape(-1,2)的结果:")
print(z_3)
print("结果大小:",z_3.shape)
z.shape(-1,2)的结果:
[[ 1  2]
 [ 3  4]
 [ 5  6]
 [ 7  8]
 [ 9 10]
 [11 12]]
结果大小: (6, 2)
z_4=z.reshape(-1,2,3)#不知道有几个小矩阵,改成二乘三的小矩阵,这里意思是最后一维度是3(最内部的[]包含3个元素),倒数第二个维度是2
print("z.shape(-1,2,3)的结果:")
print(z_4)
print("结果大小:",z_4.shape)
z.shape(-1,2,3)的结果:
[[[ 1  2  3]
  [ 4  5  6]]

 [[ 7  8  9]
  [10 11 12]]]
结果大小: (2, 2, 3)
z_5=z.reshape(-1,3,4)#不知道几个小矩阵,改成三乘四的小矩阵
print("z.shape(-1,3,4)的结果:")
print(z_5)
print("结果大小:",z_5.shape)
z.shape(-1,3,4)的结果:
[[[ 1  2  3  4]
  [ 5  6  7  8]
  [ 9 10 11 12]]]
结果大小: (1, 3, 4)
z_6=z.reshape(-1,2,2,3)
print("z.shape(-1,2,2,3)的结果:")
print(z_6)
print("结果大小:",z_6.shape)
z.shape(-1,2,2,3)的结果:
[[[[ 1  2  3]
   [ 4  5  6]]

  [[ 7  8  9]
   [10 11 12]]]]
结果大小: (1, 2, 2, 3)

你可能感兴趣的:(动手深度学习,pytorch,矩阵,python)