Python 用一个无量纲重塑keras张量

我有一个keras张量的形状

（None，61，80）

，我想把它重塑成

（61，None*80）

。

None

为

batch\u size

维度。我无法使用

Keras.backend.reforme

我试过-

shape = K.int_shape(x)
G = K.reshape(x, [shape[1], shape[0]*shape[2]])

编辑1

我正在尝试对自定义层中的一批张量执行HoSVD（高阶SVD）操作。为此，我必须以矩阵形式展开张量

例如，如果我有一批形状张量（20,61,80），其中20是批量大小，模式0展开将给我一个形状矩阵（20,61*80），模式1展开将给（61,20*80），模式3展开将给（80,20*61）

我写的函数是-

def my_unfold(x_tensor,mode=0):
#shape = K.shape(tensor)

num_dims = len(x_tensor.shape)
temp = list(range(0,num_dims))
temp.remove(mode)


change_dims = K.permute_dimensions(x_tensor, [mode ,temp[0],temp[1]])

shape=K.int_shape(change_dims)
new_shape =  K.concatenate(shape[0],shape[1]*shape[2])
G = K.reshape(change_dims, new_shape)
return G

---

看看答案，也许这有帮助？我两个都试过了。但是它不能解决我的问题。你能添加更多的代码和数据帧的样本吗？

（61，None*80）

是什么意思？你的NN是RNN吗？请与我们分享更多的代码和解释。