【Tensorflow】tf.reshape 函数
tf.reshape(tensor, shape, name=None) 数据重定形状函数参数:
tensor:输入数据
shape:目标形状
name:名称
返回:Tensor
例:
# tensor 't' is
# tensor 't' 的形状就是
reshape(t, ) ==> [,
,
]
# tensor 't' is [[, ],
# [, ]]
# tensor 't' 当前形状是
reshape(t, ) ==> [,
]
# tensor 't' is [[,
# ],
# [,
# ],
# [,
# ]]
# tensor 't' 形状是
# pass '[-1]' 扁平化 't'
reshape(t, [-1]) ==>
# -1 也可以被用于shape中
# -1 被推断结果是 9:
reshape(t, ) ==> [, ]
# -1 被推断结果是 2:
reshape(t, [-1, 9]) ==> [, ]
# -1 被推断结果是 3:
reshape(t, [ 2, -1, 3]) ==> [[, , ], [, , ]]
# tensor 't' is
# shape `[]` 重塑为标量,用[]的时候,t只是有一个元素,不然会报错
reshape(t, []) ==> 7
测试代码
import tensorflow as tf
t =
k = tf.reshape(t,[])
sess = tf.Session()
kk = sess.run(k)
print(kk)
---------------------
作者:zj360202
来源:CSDN
原文:https://blog.csdn.net/zj360202/article/details/70256835
版权声明:本文为博主原创文章,转载请附上博文链接!
很好
这些函数、
初学者看着蒙的很 reshape就是
改变矩阵的维度
这种灵活的操作
提供了数据转换的高效方案 一般最后prediction时
reshape是
必不可少的
页:
[1]