numpy reshape 中的 -1 是什么意思？ [复制]答案

【问题标题】：What does -1 in numpy reshape mean? [duplicate]numpy reshape 中的 -1 是什么意思？ [复制]
【发布时间】：2017-06-06 04:56:01
【问题描述】：

 I have a numpy array (A) of shape = (100000, 28, 28)
 I reshape it using A.reshape(-1, 28x28)

这在机器学习管道中非常常见。这是如何运作的？我从来没有理解重塑中'-1'的含义。

一个确切的问题是this 但没有可靠的解释。请问有什么答案吗？

【问题讨论】：

查看文档：docs.scipy.org/doc/numpy/reference/generated/… - The new shape should be compatible with the original shape. If an integer, then the result will be a 1-D array of that length. One shape dimension can be -1. In this case, the value is inferred from the length of the array and remaining dimensions.
在您的示例中，生成的数组将具有形状 (100000, 784)。它是第一维的简写，因为只有一个值是正确的。

【解决方案1】：

在 numpy 中，创建一个 100X100 项的矩阵是这样的：

import numpy as np
x = np.ndarray((100, 100))
x.shape  # outputs: (100, 100)

numpy 在内部将所有这 10000 个项目存储在一个由 10000 个项目组成的数组中，而不管这个对象的形状如何，这允许我们将这个数组的形状更改为任何维度 只要数组上的项目数不变

例如，将我们的对象重塑为 10X1000 是可以的，因为我们保留了 10000 个项目：

x = x.reshape(10, 1000)

重新调整为 10X2000 将不起作用，因为列表中没有足够的项目

x.reshape(10, 2000)
ValueError: total size of new array must be unchanged

所以回到-1 的问题，它所做的是未知维度的符号，意思是：让 numpy 用正确的值填充缺失的维度，以便我的数组保持相同数量的项目。

所以这个：

x = x.reshape(10, 1000)

等价于：

x = x.reshape(10, -1)

numpy 在内部所做的只是计算 10000 / 10 以获取缺失的维度。

-1 甚至可以位于数组的开头或中间。

以上两个例子等价于：

x = x.reshape(-1, 1000)

如果我们尝试将两个维度标记为未知，numpy 将引发异常，因为它无法知道我们的意思，因为有不止一种方法可以重塑数组。

x = x.reshape(-1, -1)
ValueError: can only specify one unknown dimension

【讨论】：

【解决方案2】：

这意味着正在推断您传递-1 的维度的大小。因此，

A.reshape(-1, 28*28)

意思是，“重塑A，使其第二个维度的大小为28*28，并计算出第一个维度的正确大小”。

【讨论】：