Python Numpy-如何重塑奇数数组大小？

我有一个TensorFlow模型，我想把一个图像传递给它，以便它确定图像中的对象

然而，该模型抱怨图像的形状，说它希望它以

（1,1,1,2048）

的形式出现，但它接收的是

（1,7,7,2048）

我尝试过在图像上执行

numpy.reformate（）

，方法是执行

numpy.reformate（myObj，（1,1,1,2048））

或

numpy.reformate（myObj，（1,1,1，-1））

。然而，前者只是抱怨它无法将大小为100352的数组重塑为

（1，1，1，2048）

，后者将数组的最后一个元素的大小调整为

（7，7，2048）

的倍数，即100352

---

如何重塑奇数数组大小，或者这不是Numpy形状/重塑的工作方式？如果Numpy不可能，是否有其他方法来实现我的要求？

如果

n

和

m

不相等，则不能将

n

元素数组重塑为

m

元素数组。重塑阵列的操作实际上只是获取同一阵列的新视图的操作

当您尝试使用

m=1*1*1*1*2048=2048

元素重塑为数组时，您的输入数组具有

n=1*7*7*2048=100353

元素

---

正如hpaulj所指出的，问题在于输入形状。从您提到的形状来看，

（1,7,7,2048）

和

（1,1,1,2048）

，看起来您的预期输入可能应该从稍后的层中提取（可能在全局池阶段之后），但是如果没有关于您的模型的更多详细信息，我们不能说更多。

阅读

重塑

文档。确保你理解为什么你的阵列比模型预期的要大49倍。好吧，我想是的。这个问题与我的另一篇文章有关。调用

ResNet50

函数时会出现问题，由于某种原因，它会返回

（1,7,7,2048）

的形状，即使我训练的

ResNet50

模型使用相同的图像来训练模型。我已经找到了它，我将它作为我的另一个问题的答案发布，这是为了解决这个问题。