Python 对3D数组语法的不同Numpy整形'；s

我正在研究LSTM神经网络。我看到如下代码：

X_train = np.reshape(X_train, (X_train.shape[0], X_train.shape[1], 1))

这段代码旨在将2d数组更改为3d数组，但语法对我来说不太合适，或者至少我不理解它。例如，我假设下面的代码是3d语法

np.reshape(rows , columns, dimensions)

---

有人能详细说明一下语法是什么以及它试图做什么。

函数

numpy。重塑

在不改变数组数据的情况下为数组提供新的形状。这是一个numpy包函数。首先，它需要知道重塑什么，这是该函数的第一个参数（在您的例子中，您希望重塑

X\u train

）

然后它需要知道新矩阵的形状。此参数必须是元组。对于二维重塑，可以通过

（W，H）

；对于三维重塑，可以通过

（W，H，D）

；对于四维重塑，可以通过

（W，H，D，T）

，依此类推

但是，您也可以通过

X\u train调用
restrape
一个Numpy矩阵。restrape（（W，H，D））

。在这种情况下，由于

重塑

功能是

X_train

对象的一种方法，因此您不必传递它，只传递新的形状

---

还值得一提的是，具有新形状的矩阵中的元素总数应与原始矩阵匹配。例如，您的2D

X_列

具有

X_列.shape[0]X_列.shape[1]

元素。该值应等于

W x H x D

Function

numpy.reformate

在不更改数组数据的情况下为数组提供新的形状。这是一个numpy包函数。首先，它需要知道重塑什么，这是该函数的第一个参数（在您的例子中，您希望重塑

X\u train

）

然后它需要知道新矩阵的形状。此参数必须是元组。对于二维重塑，可以通过

（W，H）

；对于三维重塑，可以通过

（W，H，D）

；对于四维重塑，可以通过

（W，H，D，T）

，依此类推

但是，您也可以通过

X\u train调用
restrape
一个Numpy矩阵。restrape（（W，H，D））

。在这种情况下，由于

重塑

功能是

X_train

对象的一种方法，因此您不必传递它，只传递新的形状

---

还值得一提的是，具有新形状的矩阵中的元素总数应与原始矩阵匹配。例如，您的2D

X_列

具有

X_列.shape[0]X_列.shape[1]

元素。该值应等于

W x H x D

谢谢现在有意义了。我想快点问。要获取执行np.shape[0]和np.shape[1]列的行数。尺寸是否为np.形状[2]？感谢现在有意义了。我想快点问。要获取执行np.shape[0]和np.shape[1]列的行数。尺寸是否为np形状[2]？