关于重塑 numpy 数组

Question

trainX.size == 43120000
trainX = trainX.reshape([-1, 28, 28, 1])

(1)reshape 是否接受列表作为参数而不是元组？

(2)以下两种说法是否等价？

trainX = trainX.reshape([-1, 28, 28, 1])
trainX = trainX.reshape((55000, 28, 28, 1))

Answer 1

尝试变化：

In [1]: np.arange(12).reshape(3,4)
Out[1]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
In [2]: np.arange(12).reshape([3,4])
Out[2]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
In [3]: np.arange(12).reshape((3,4))
Out[3]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

使用reshape 方法，形状可以是参数、元组或列表。在reshape 函数中必须在列表或元组中，以将它们与第一个数组参数分开

In [4]: np.reshape(np.arange(12), (3,4))
Out[4]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

是的，可以使用一个-1。重塑的总大小是固定的，因此可以从其他值中推导出一个值。

In [5]: np.arange(12).reshape(-1,4)
Out[5]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

方法文档有这样的注释：

与免费功能numpy.reshape 不同，ndarray 上的此方法允许 要作为单独参数传入的 shape 参数的元素。 例如，a.reshape(10, 11) 等价于 a.reshape((10, 11)).

这是一个内置函数，但签名看起来像x.reshape(*shape)，只要值有意义，它就会尝试灵活。

Answer 2

来自 numpy 文档：

newshape : 整数或整数元组

新形状应与原始形状兼容。如果 整数，则结果将是该长度的一维数组。一种形状 维度可以是-1。在这种情况下，该值是从 数组长度和剩余维度。

所以是的，-1 一维很好，你的两个陈述是等价的。关于元组要求，

>>> import numpy as np
>>> a = np.arange(9)
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8])
>>> a.reshape([3,3])
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
>>> 

所以显然列表也很好。