Numpy - 如何重塑奇数数组大小？

Question

我有一个 TensorFlow 模型，我想将图像传递给它，以便它确定图像中的对象。

但是，模型抱怨图像的形状，说它想要(1, 1, 1, 2048) 的形式，但它收到的是(1, 7, 7, 2048)。

我尝试通过numpy.reshape(myObj, (1, 1, 1, 2048)) 或numpy.reshape(myObj, (1, 1, 1, -1)) 在图像上添加numpy.reshape()。但是，前者只是抱怨它无法将大小为 100352 的数组重塑为 (1, 1, 1, 2048)，而后者将数组的最后一个元素调整为 (7, 7, 2048) 的倍数，即 100352。

如何重塑奇数数组大小，或者这不是 Numpy 形状/重塑的工作方式？如果 Numpy 无法实现我的要求，是否有替代方法？

Answer 1

如果n 和m 不相等，则不能将n 元素数组重新整形为m 元素数组。对数组进行整形的操作其实就是获取同一个数组的新视图的操作。

您的输入数组包含 n=1*7*7*2048=100353 元素，而您正尝试将其重塑为包含 m=1*1*1*2048=2048 元素的数组。

正如 hpaulj 所指出的，您的问题在于您的输入形状。从您提到的形状(1, 7, 7, 2048) 和(1, 1, 1, 2048) 看来，您的预期输入可能应该从后面的层中提取（可能在全局池化阶段之后），但如果没有关于您的模型的更多细节，我们不能说更多。