Python中reshape函数参数-1的含义

注释讲解版

例如：

# data pre-processing
# normalize
# X shape (60,000 28x28)，表示输入数据 X 是个三维的数据
# 可以理解为 60000行数据，每一行是一张28 x 28 的灰度图片
# X_train.reshape(X_train.shape[0], -1)表示：只保留第一维，其余的纬度，不管多少纬度，重新排列为一维
# 参数-1就是不知道行数或者列数多少的情况下使用的参数
# 所以先确定除了参数-1之外的其他参数，然后通过(总参数的计算) / (确定除了参数-1之外的其他参数) = 该位置应该是多少的参数
# 这里用-1是偷懒的做法,等同于 28*28
# reshape后的数据是：共60000行，每一行是784个数据点（feature）
X_train = X_train.reshape(X_train.shape[0], -1) / 255
X_test = X_test.reshape(X_test.shape[0], -1) / 255
y_train = np_utils.to_categorical(y_train, num_classes = 10)
y_test = np_utils.to_categorical(y_test, num_classes = 10)

再例如：

# data pre-processing
# -1代表例子的个数 ，1是channel
# 数组新的shape属性应该要与原来的配套，
# 如果等于-1的话，那么Numpy会根据剩下的维度计算出数组的另外一个shape属性值
# 这里是将一组图像矩阵x重建为新的矩阵，该新矩阵的维数为（a, 1, 28, 28），其中-1表示a由实际情况来定
# 例如，一组图像的矩阵（假设是50张，大小为56×56），
# 则执行reshape(-1, 1, 28, 28)
# 可以计算a = 50×56×56/1/28/28 = 200
# 即维数为（200, 1, 28, 28）
X_train = X_train.reshape(-1, 1, 28, 28) / 255
X_test = X_test.reshape(-1, 1, 28, 28) / 255
y_train = np_utils.to_categorical(y_train, num_classes = 10)
y_test = np_utils.to_categorical(y_test, num_classes = 10)

reshape函数是对narray的数据结构进行维度变换，由于变换遵循对象元素个数不变，在进行变换时，假设一个数据对象narray的总元素个数为N，如果我们给出一个维度为（m，-1）时，我们就理解为将对象变换为一个二维矩阵，矩阵的第一维度大小为m，第二维度大小为N/m。