【Tensorflow】tf.reshape 函数

shaoheshaohe

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 [1, 2, 3, 4, 5, 6, 7, 8, 9]
    # tensor 't' 的形状就是 [9]
    reshape(t, [3, 3]) ==> [[1, 2, 3],
                            [4, 5, 6],
                            [7, 8, 9]]
     
    # tensor 't' is [[[1, 1], [2, 2]],
    #                [[3, 3], [4, 4]]]
    # tensor 't' 当前形状是 [2, 2, 2]
    reshape(t, [2, 4]) ==> [[1, 1, 2, 2],
                            [3, 3, 4, 4]]
     
    # tensor 't' is [[[1, 1, 1],
    #                 [2, 2, 2]],
    #                [[3, 3, 3],
    #                 [4, 4, 4]],
    #                [[5, 5, 5],
    #                 [6, 6, 6]]]
    # tensor 't' 形状是 [3, 2, 3]
     
    # pass '[-1]' 扁平化 't'
    reshape(t, [-1]) ==> [1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4, 5, 5, 5, 6, 6, 6]
     
    # -1 也可以被用于shape中
     
    # -1 被推断结果是 9：
    reshape(t, [2, -1]) ==> [[1, 1, 1, 2, 2, 2, 3, 3, 3], [4, 4, 4, 5, 5, 5, 6, 6, 6]]
     
    # -1 被推断结果是 2:
    reshape(t, [-1, 9]) ==> [[1, 1, 1, 2, 2, 2, 3, 3, 3], [4, 4, 4, 5, 5, 5, 6, 6, 6]]
     
    # -1 被推断结果是 3:
    reshape(t, [ 2, -1, 3]) ==> [[[1, 1, 1], [2, 2, 2], [3, 3, 3]], [[4, 4, 4], [5, 5, 5], [6, 6, 6]]]
     
    # tensor 't' is [7]
    # 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 = [7]
    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！

Happy清子

很好
这些函数、
初学者看着蒙的很

Happy清子

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

Happy清子

一般最后prediction时
reshape是
必不可少的