reshape的使用

import numpy as np
#假設z是一個3行4列的矩陣
z = np.array([[1, 2, 3, 4],
          [5, 6, 7, 8],
          [9, 10, 11, 12]])

reshape(-1,newshape)的了解

如果reshape的值有-1的話，那麼Numpy會根據所給的新的shape的資訊（newshape），自動計算補足shape缺的值

比如這裡的z矩陣，shape=（3,4），一共有12個元素，如果需要構造2列的新矩陣（隻知道新矩陣的列資訊），

newshape=2，也即是z.reshape(-1,2)，那麼-1的用處就是根據這個2列這個資訊，計算得出新的矩陣需要多少行，

12除以2=6（不能整除會報錯），那麼新的矩陣就是一個6*2的新矩陣；

再舉一個例子，還是這個z矩陣，如果需要構造2乘3小矩陣的三維新矩陣（隻知道新矩陣的小矩陣的行列資訊），

newshape=2乘3，也即是z.shape(-1,2,3)，那麼-1的用處就是根據這個2乘3小矩陣這個資訊，計算得出新的三維矩陣需要多少個2乘3的小矩陣，

12除以(2乘3)=2，那麼新的三維矩陣就是一個2乘2乘3的三維矩陣。（這裡三維矩陣的說法有問題，希望了解就OK）

z_1=z.reshape(-1)#改成一串，沒有行列
print("z.reshape(-1)的結果：")
print(z_1)
print("結果大小：",z_1.shape)

z.reshape(-1)的結果：
[ 1  2  3  4  5  6  7  8  9 10 11 12]
結果大小： (12,)

z_2=z.reshape(-1,1)#不知道幾行，改成1列，這裡意思是最後一次元是1（最内部的[]包含1個元素）
print("z.shape(-1,1)的結果：")
print(z_2)
print("結果大小：",z_2.shape)

z.shape(-1,1)的結果：
[[ 1]
 [ 2]
 [ 3]
 [ 4]
 [ 5]
 [ 6]
 [ 7]
 [ 8]
 [ 9]
 [10]
 [11]
 [12]]
結果大小： (12, 1)

z_3=z.reshape(-1,2)#不知道幾行，改成2列，這裡意思是最後一次元是2（最内部的[]包含2個元素）
print("z.shape(-1,2)的結果：")
print(z_3)
print("結果大小：",z_3.shape)

z.shape(-1,2)的結果：
[[ 1  2]
 [ 3  4]
 [ 5  6]
 [ 7  8]
 [ 9 10]
 [11 12]]
結果大小： (6, 2)

z_4=z.reshape(-1,2,3)#不知道有幾個小矩陣，改成二乘三的小矩陣，這裡意思是最後一次元是3（最内部的[]包含3個元素），倒數第二個次元是2
print("z.shape(-1,2,3)的結果：")
print(z_4)
print("結果大小：",z_4.shape)

z.shape(-1,2,3)的結果：
[[[ 1  2  3]
  [ 4  5  6]]

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

z_5=z.reshape(-1,3,4)#不知道幾個小矩陣，改成三乘四的小矩陣
print("z.shape(-1,3,4)的結果：")
print(z_5)
print("結果大小：",z_5.shape)

z.shape(-1,3,4)的結果：
[[[ 1  2  3  4]
  [ 5  6  7  8]
  [ 9 10 11 12]]]
結果大小： (1, 3, 4)

z_6=z.reshape(-1,2,2,3)
print("z.shape(-1,2,2,3)的結果：")
print(z_6)
print("結果大小：",z_6.shape)

z.shape(-1,2,2,3)的結果：
[[[[ 1  2  3]
   [ 4  5  6]]

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

pytorch_reshape的使用reshape的使用