TensorFlow tf.reshape支持Fortran顺序的重塑(类似于numpy)。

Question

TensorFlow提供了一种在Fortran（列优先顺序）中改变张量形状的方法吗？NumPy允许：

a = ...
np.reshape(a, (32, 32, 3), order='F')

我想将CIFAR图像重塑为32x32x3（从形状为3072x1的向量），但我得到的图像看起来像这样： 在NumPy中使用Fortran顺序解决了问题，但我需要在TensorFlow中做同样的事情。

编辑：我现在意识到可以通过将其重塑为3x32x32，然后转置输出来获得正确的输出。我仍然有点惊讶TF没有提供基于行主序或列主序的开箱即用的重塑。

- eric.mitchell

---

Tensorflow的reshape文档说了什么？它们有相应的“order”参数吗？ - hpaulj

抱歉，我应该提到这一点。文档仅显示参数tensor，shape和可选参数name。 - eric.mitchell

Answer 1

TensorFlow似乎不支持Fortran（列主）顺序，但有一个简单的解决方案。你需要将reshape与transpose相结合。下面的代码使用numpy展示了等效的操作，接着是Tensorflow版本。

Numpy：

>>> import numpy as np
>>> want = np.arange(12).reshape((4,3),order='F')
>>> want
array([[ 0,  4,  8],
       [ 1,  5,  9],
       [ 2,  6, 10],
       [ 3,  7, 11]])
>>> have = np.arange(12).reshape((3,4))
>>> have
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
>>> have.transpose()
array([[ 0,  4,  8],
       [ 1,  5,  9],
       [ 2,  6, 10],
       [ 3,  7, 11]])

Tensorflow：（假设您最终想要 MxN）

want = tf.transpose(tr.reshape(input,(n,m)))

- David

---

如果我有一个三维张量或更多维度，它会如何改变？ - Yesid Fonseca V.