Python 重塑三维阵列形状的正确方法
我有一个形状为(n,4,5,5)的数据集,其中“n”是记录数,4个通道,每个通道有5 X 5个矩阵。Keras CNN只接受带有形状(n、宽度、高度、通道)的输入。当我将重塑应用于数据集时,如Python 重塑三维阵列形状的正确方法,python,numpy,Python,Numpy,我有一个形状为(n,4,5,5)的数据集,其中“n”是记录数,4个通道,每个通道有5 X 5个矩阵。Keras CNN只接受带有形状(n、宽度、高度、通道)的输入。当我将重塑应用于数据集时,如 restraped_dataset=dataset.restraped(-1,5,5,4) 重塑的_数据集包含顺序错误的数据。我在我的数据集中发布了1个样本 [[0.0.0.1.42413757] [ 0. 0. 1.82047845 0. 0.9
restraped_dataset=dataset.restraped(-1,5,5,4)
重塑的_数据集包含顺序错误的数据。我在我的数据集中发布了1个样本
[[0.0.0.1.42413757]
[ 0. 0. 1.82047845 0. 0.91023923]
[ 0. 1.82047845 0. 0. 1.82047845]
[ 1.42413757 0. 0. 0. 0. ]
[ 0. 0.91023923 1.82047845 0. 0. ]]
[[ 1. 0. 0. 0.5 0. ]
[ 0. 1. 0.25 0. 0.2 ]
[ 0. 0.25 1. 0. 0.25 ]
[ 0.5 0. 0. 1. 0. ]
[ 0. 0.2 0.25 0. 1. ]]
[[ 9. 9. 21. 9. 9. ]
[ 9. 9. 21. 9. 9. ]
[21. 21. 49. 21. 21. ]
[ 9. 9. 21. 9. 9. ]
[ 9. 9. 21. 9. 9. ]]
[[ 0.80952381 0. 0. 0.47619048 0. ]
[ 0. 1.66666667 0.66666667 0. 0.33333333]
[ 0. 0.66666667 3.03333333 0. 0.66666667]
[ 0.47619048 0. 0. 0.80952381 0. ]
[ 0. 0.33333333 0.66666667 0. 1.66666667]]]
如何在(n,5,5,4)中重塑数据集您可以使用以下代码从第一个频道切换到最后一个频道:
import numpy as np
n = 5
data = np.random.randn(n, 4, 5, 5)
print(data.shape) # output - (5, 4, 5, 5)
data_in = np.moveaxis(data, 1, -1)
print(data_in.shape) # output - (5, 5, 5, 4)
您可以使用以下代码从第一个频道转到最后一个频道:
import numpy as np
n = 5
data = np.random.randn(n, 4, 5, 5)
print(data.shape) # output - (5, 4, 5, 5)
data_in = np.moveaxis(data, 1, -1)
print(data_in.shape) # output - (5, 5, 5, 4)
您可以使用来排列数组的维度:
reshaped_dataset = dataset.transpose(0, 2, 3, 1)
如果数据集
的轴表示(n,通道,宽度,高度)
,则重塑的\u数据集
的轴表示(n,宽度,高度,通道)
,可用于排列数组的尺寸:
reshaped_dataset = dataset.transpose(0, 2, 3, 1)
如果数据集
的轴表示(n,通道,宽度,高度)
,则重塑的\u数据集
的轴表示(n,宽度,高度,通道)