reshape

reshape顾名思义就是重新调整向量的shape。reshape后要保证向量的size（也就是元素个数不变）。比如12个元素组成一维向量，其shape是(12,)，可以reshape为(2,6),(6,2),(3,4),(4,3)，但是不能reshape为(2,5)，因为元素数量不对了。那reshape具体是怎么操作的呢？我们来看例子。

一维向量a = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]要reshape为(2,6)。我们从左边开始看起，最左边的维度的shape是2，那边表示最外层包含2个元素，那么就相当于把a的12个元素分成了2份，正好每份6个元素，组成了第二维。

[
 [ 1,  2,  3,  4,  5,  6],
 [ 7,  8,  9, 10, 11, 12]
]

代码如下：

>>> a = np.array([i for i in range(1,13)])
>>> a
array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12])
>>> a.reshape(2,6)
array([[ 1,  2,  3,  4,  5,  6],
       [ 7,  8,  9, 10, 11, 12]])
>>>

继续，我们把a reshape为(2,3,2)，还是先从新的shape的最左边开始，最左边为2，于是将其分成2份，变成了

[
 [ 1,  2,  3,  4,  5,  6],
 [ 7,  8,  9, 10, 11, 12]
]

接着，第二维的shape维3，于是将第一维中的元素分成3份，每份正好是2个元素，于是，

[1,2,3,4,5,6]变成了

[
 [ 1,  2],
 [ 3,  4],
 [ 5,  6]
]

[ 7, 8, 9, 10, 11, 12]变成了

[
 [ 7,  8],
 [ 9, 10],
 [11, 12]
]

最后，再把它们放回去，于是a.reshape(2,3,2)变成了

[
 [
  [ 1,  2],
  [ 3,  4],
  [ 5,  6]
 ],
 [
  [ 7,  8],
  [ 9, 10],
  [11, 12]
 ]
]

此外，reshape参数中某个值为-1的话，该维元素的个数会自动推断出来，比如上面例子中reshape(2, -1, 2)与reshape(2, 3, 2) 是一样的。

reshape

Numpy reshape

reshape

FEATURED TAGS