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:![Example CIFAR image](https://istack.dev59.com/GGZsYm.webp)
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。
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: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)))
reshape
文档说了什么?它们有相应的“order”参数吗? - hpauljtensor
,shape
和可选参数name
。 - eric.mitchell