在numpy（或tensorflow）张量中重塑张量并保持元素的原始相对位置不变

我有一个像这样的张量：

A=array([[[[ 1.4033688 , -0.95642966,  1.0958625 , -0.64104766],
         [-1.2625898 , -0.59444463,  0.72382635, -0.5195144 ],
         [ 0.15248759,  2.4054656 ,  1.0738292 ,  1.0531213 ],
         [ 1.2878437 , -1.1945801 , -1.0729346 , -1.6739473 ]],

        [[ 0.        , -0.        ,  0.        , -0.        ],
         [-0.        , -0.        ,  0.        , -0.        ],
         [ 0.        ,  0.        ,  0.        ,  0.        ],
         [ 0.        , -0.        , -0.        , -0.        ]]],


       [[[ 0.        , -0.        ,  0.        , -0.        ],
         [-0.        , -0.        ,  0.        , -0.        ],
         [ 0.        ,  0.        ,  0.        ,  0.        ],
         [ 0.        , -0.        , -0.        , -0.        ]],

        [[ 1.4033688 , -0.95642966,  1.0958625 , -0.64104766],
         [-1.2625898 , -0.59444463,  0.72382635, -0.5195144 ],
         [ 0.15248759,  2.4054656 ,  1.0738292 ,  1.0531213 ],
         [ 1.2878437 , -1.1945801 , -1.0729346 , -1.6739473 ]]]],
      dtype=float32)

特别是,

A[0][0]=[[ 1.4033688 , -0.95642966,  1.0958625 , -0.64104766],
             [-1.2625898 , -0.59444463,  0.72382635, -0.5195144 ],
             [ 0.15248759,  2.4054656 ,  1.0738292 ,  1.0531213 ],
             [ 1.2878437 , -1.1945801 , -1.0729346 , -1.6739473 ]]
A[1][0]=[[[ 0.        , -0.        ,  0.        , -0.        ],
             [-0.        , -0.        ,  0.        , -0.        ],
             [ 0.        ,  0.        ,  0.        ,  0.        ],
             [ 0.        , -0.        , -0.        , -0.        ]]
A[0][1]=[[[ 0.        , -0.        ,  0.        , -0.        ],
             [-0.        , -0.        ,  0.        , -0.        ],
             [ 0.        ,  0.        ,  0.        ,  0.        ],
             [ 0.        , -0.        , -0.        , -0.        ]]
A[1][1]=[[ 1.4033688 , -0.95642966,  1.0958625 , -0.64104766],
             [-1.2625898 , -0.59444463,  0.72382635, -0.5195144 ],
             [ 0.15248759,  2.4054656 ,  1.0738292 ,  1.0531213 ],
             [ 1.2878437 , -1.1945801 , -1.0729346 , -1.6739473 ]]

我想把一个数组重塑成一个（8，8）数组，这样我就可以保持元素的位置，就好像数组刚刚去掉了中间的括号一样。换句话说，在将A重塑为新数组之后，让我们将这个新的重塑数组称为

A_重塑的

，然后我希望

A_重塑的

与下面的A相等

A_reshaped[:4,:4]=A[0][0]
A_reshaped[4:8,0:4]=A[1][0]
A_reshaped[:4,4:8]=A[0][1]   
A_reshaped[4:8,4:8]=A[1][1]

简单的命令：

np.reshape(A,(8,8))[:4,:4]

不起作用，并产生以下结果：

array([[ 1.4033688 , -0.95642966,  1.0958625 , -0.64104766],
       [ 0.15248759,  2.4054656 ,  1.0738292 ,  1.0531213 ],
       [ 0.        , -0.        ,  0.        , -0.        ],
       [ 0.        ,  0.        ,  0.        ,  0.        ]],
      dtype=float32)

任何提示都将不胜感激。

使用

gather\u nd（）

：

编制指数矩阵是一项复杂的工作。我没有设法简化它

原来的形状是什么？(2,2,4,4)? 可以将其重塑为（4,4,4）。要得到一个（8,8），你需要先转置，使形状为（2,4,2,4）

import tensorflow as tf
input1 = tf.constant([[0, 1], [2, 3]])
input2 = tf.constant([[4, 5], [6, 7]])
input3 = tf.constant([[8, 9], [10, 11]])
input4 = tf.constant([[12, 13], [14, 15]])

input = tf.stack([input1, input2, input3, input4])

# prepare indices for gather_nd
my_shape = tf.shape(input)[1:]
my_range = my_shape[0]*my_shape[1]
m = tf.range(0, my_range)
def get_inds(t, last_dim):
  return tf.convert_to_tensor([t // last_dim, t % last_dim])
inds = tf.map_fn(fn=lambda t: get_inds(t, my_shape[-1]), elems=m)
sh = tf.concat([my_shape, [2]], -1)
inds = tf.reshape(inds, sh)
mat0 = tf.zeros(my_shape, dtype=tf.int32)
mat0 = mat0[..., tf.newaxis]
mat1 = mat0 + 1
mat2 = mat0 + 2
mat3 = mat0 + 3
mat0 = tf.concat([mat0, inds], -1)
mat1 = tf.concat([mat1, inds], -1)
mat2 = tf.concat([mat2, inds], -1)
mat3 = tf.concat([mat3, inds], -1)
mat0 = tf.concat([mat0, mat1], 1)
mat1 = tf.concat([mat2, mat3], 1)
inds = tf.concat([mat0, mat1], 0)

res = tf.gather_nd(input, inds)