TensorFlow学习笔记（十八）tf.reshape矩阵变形

tf.reshape(tensor, shape, name=None)

矩阵变形是常用的操作，在Tensorflow中调用方式有多种，例如：

1. tf.reshape

1. tf.reshape(L3, [-1, W4.get_shape().as_list()[0]])  

2. object.reshape

1. mnist.test.images.reshape(-1, 28, 28, 1) 
   

所有reshape函数中，关键的是shape这个参数

下以tf.reshape为例介绍shape参数对结果的影响

1. tf.reshape(tensor, shape, name=None) 
   

1. # tensor 't' is [1, 2, 3, 4, 5, 6, 7, 8, 9]  
2. # tensor 't' has shape [9]  
3. reshape(t, [3, 3]) ==> [[1, 2, 3],  
4.                         [4, 5, 6],  
5.                         [7, 8, 9]]  
6.   
7.   
8. # tensor 't' is [[[1, 1], [2, 2]],  
9. #                [[3, 3], [4, 4]]]  
10. # tensor 't' has shape [2, 2, 2]  
11. reshape(t, [2, 4]) ==> [[1, 1, 2, 2],  
12.                         [3, 3, 4, 4]]  
13.   
14.   
15. # tensor 't' is [[[1, 1, 1],  
16. #                 [2, 2, 2]],  
17. #                [[3, 3, 3],  
18. #                 [4, 4, 4]],  
19. #                [[5, 5, 5],  
20. #                 [6, 6, 6]]]  
21. # tensor 't' has shape [3, 2, 3]  
22. # pass '[-1]' to flatten 't'  
23. reshape(t, [-1]) ==> [1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4, 5, 5, 5, 6, 6, 6]  
24.   
25.   
26. # -1 can also be used to infer the shape  
27.   
28.   
29. # -1 is inferred to be 9:  
30. reshape(t, [2, -1]) ==> [[1, 1, 1, 2, 2, 2, 3, 3, 3],  
31.                          [4, 4, 4, 5, 5, 5, 6, 6, 6]]  
32. # -1 is inferred to be 2:  
33. reshape(t, [-1, 9]) ==> [[1, 1, 1, 2, 2, 2, 3, 3, 3],  
34.                          [4, 4, 4, 5, 5, 5, 6, 6, 6]]  
35. # -1 is inferred to be 3:  
36. reshape(t, [ 2, -1, 3]) ==> [[[1, 1, 1],  
37.                               [2, 2, 2],  
38.                               [3, 3, 3]],  
39.                              [[4, 4, 4],  
40.                               [5, 5, 5],  
41.                               [6, 6, 6]]]  
42.   
43.   
44. # tensor 't' is [7]  
45. # shape `[]` reshapes to a scalar  
46. reshape(t, []) ==> 7