Python 这是什么样的整形？为什么要使用它？_Python_Numpy

Python 这是什么样的整形？为什么要使用它？

python numpy

Python 这是什么样的整形？为什么要使用它？,python,numpy,Python,Numpy,很抱歉问了一个很不明智的问题。一段时间以来，我一直在努力寻找答案因此，我浏览了一本关于“卷积神经网络”的指南，发现它使用了一个numpy。重塑函数，如下所示： testX.reshape([-1, 28, 28, 1]) 这对我来说是中国式的，因为我无法想象它与四维空间有关，也无法想象它是某种反向函数编辑：这是函数的上下文。现在我甚至不确定它是否是numpy函数： import tflearn.datasets.mnist as mnist X, Y, testX, testY = mni

很抱歉问了一个很不明智的问题。一段时间以来，我一直在努力寻找答案

因此，我浏览了一本关于“卷积神经网络”的指南，发现它使用了一个

numpy。重塑函数，如下所示：
testX.reshape([-1, 28, 28, 1])

这对我来说是中国式的，因为我无法想象它与四维空间有关，也无法想象它是某种反向函数
编辑：这是函数的上下文。现在我甚至不确定它是否是numpy函数：
import tflearn.datasets.mnist as mnist
X, Y, testX, testY = mnist.load_data(one_hot=True)
X = X.reshape([-1, 28, 28, 1])
testX = testX.reshape([-1, 28, 28, 1])

在您的示例（MNIST）中，[-1,28,28,1]
代表
[training_examples, hight, width, channels]

-1对于培训示例，由于数字未知，因此高度和宽度应清晰
通道数：灰度图片使用1个通道，RBG使用3个通道。
因为MNIST有灰度图片，所以这里有1（值从0到256）。
在示例（MNIST）中，[-1,28,28,1]
代表
[training_examples, hight, width, channels]

-1对于培训示例，由于数字未知，因此高度和宽度应清晰
通道数：灰度图片使用1个通道，RBG使用3个通道。
因为MNIST有灰度图片，所以这里有1个（值从0到256）。
我假设您使用的是MNIST，或者类似的数据集，包含一组28 x 28的图像。也许这些图像以784长度的数组呈现
x = []
for _ in range(10):
    x.append(range(28 ** 2))
np.array(x).reshape([-1, 28, 28, 1])

这将把你的数据集转换成一组28 x 28 x 1
矩阵，如果你试图学习一幅28 x 28
且只有一种颜色的图像，这将非常有用
它还将确定您有10个
图像，并将数组转换为10个矩阵
，形状为28 x 28 x 1

np.array(x).reshape([-1, 28, 28, 1]).shape == (10, 28, 28, 1)

它之所以是28 x 28 x 1
而不是28 x 28
，是因为有时这是一种更清晰的方式来解释有28 x 28
正方形和单一颜色。如果让您感到困惑，则无需添加一维宽度，您也可以轻松地将其映射到具有形状的矩阵28 x 28
。但是，假设您有一个彩色图像数据集，您可能会将其映射到28 x 28 x 3
，以指示它是一个带有28 x 28
正方形的图像，并且每个正方形都有三种颜色的值
因此，它是一组-1
图像，其中-1
意味着计算图像的正确数量（10）
，每个图像都有28*28
值，并给每个值赋予它自己的维度（1）
我假设您正在使用MNIST，或者类似的数据集，包含一组28 x 28的图像。也许这些图像以784长度的数组呈现
x = []
for _ in range(10):
    x.append(range(28 ** 2))
np.array(x).reshape([-1, 28, 28, 1])

这将把你的数据集转换成一组28 x 28 x 1
矩阵，如果你试图学习一幅28 x 28
且只有一种颜色的图像，这将非常有用
它还将确定您有10个
图像，并将数组转换为10个矩阵
，形状为28 x 28 x 1

np.array(x).reshape([-1, 28, 28, 1]).shape == (10, 28, 28, 1)

它之所以是28 x 28 x 1
而不是28 x 28
，是因为有时这是一种更清晰的方式来解释有28 x 28
正方形和单一颜色。如果让您感到困惑，则无需添加一维宽度，您也可以轻松地将其映射到具有形状的矩阵28 x 28
。但是，假设您有一个彩色图像数据集，您可能会将其映射到28 x 28 x 3
，以指示它是一个带有28 x 28
正方形的图像，并且每个正方形都有三种颜色的值
因此，它是一组-1
图像，其中-1
意味着计算图像的正确数量（10）
，每个图像都有28*28
值，并给每个值赋予它自己的维度（1）
a-1作为参数意味着“选择正确的数字以保留总数组大小”，我看得出来。但是这个函数应该对你输入的2d数组做什么呢？你真的正确复制了参数吗？在我看来，numpy.reforme需要一个int或元组。该函数将把N个元素的数组重新组织为N/（28*28）28x28x1立方体。a-1作为参数意味着“选择正确的数字以保留总数组大小”。好的，是的，我可以看到。但是这个函数应该对你输入的2d数组做什么呢？你真的正确复制了参数吗？在我看来，numpy.reforme需要一个int或tuple。该函数将把N个元素的数组重新组织为N/（28*28）28x28x1立方体。就是这样！非常感谢。就这样！非常感谢。