Numpy reshape 中 -1 的意义

作者 : 开心源码 本文共508个字,预计阅读时间需要2分钟 发布时间: 2022-05-14 共387人阅读

Numpy reshape 允许在一个维度上使用 -1, 意思是 “unknown” 。 numpy reshape 的一个假设是新旧 shape 所包含的数据相等, 所以当其余维度已知, 总数据量已知的情况下, numpy 即可以推断出剩余一个维度的信息。

如下例, reshape 允许一个维度为 -1

z = np.array([[1, 2, 3, 4],         [5, 6, 7, 8],         [9, 10, 11, 12]])z.shape(3, 4)--------------------------------------------------------z.reshape(-1)array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12])--------------------------------------------------------z.reshape(-1, 2)array([[ 1,  2],   [ 3,  4],   [ 5,  6],   [ 7,  8],   [ 9, 10],   [11, 12]])

但是 numpy 不允许2个维度为-1, 由于这样就无法做出精确的推断了。

z.reshape(-1, -1)ValueError: can only specify one unknown dimension
说明
1. 本站所有资源来源于用户上传和网络,如有侵权请邮件联系站长!
2. 分享目的仅供大家学习和交流,您必须在下载后24小时内删除!
3. 不得使用于非法商业用途,不得违反国家法律。否则后果自负!
4. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解!
5. 如有链接无法下载、失效或广告,请联系管理员处理!
6. 本站资源售价只是摆设,本站源码仅提供给会员学习使用!
7. 如遇到加密压缩包,请使用360解压,如遇到无法解压的请联系管理员
开心源码网 » Numpy reshape 中 -1 的意义

发表回复