tf.reshape()的用法与理解

tf.reshape(tensor, shape, name=None)
函数的作用是将tensor变换为参数shape的形式。 其中shape为一个列表形式，特殊的一点是列表中可以存在-1。

转换为一般的shape（也就是不涉及-1的）我这里就不说了，主要说一下对-1的理解。
-1代表的含义是不用我们自己指定这一维的大小，函数会自动计算，但列表中只能存在一个-1。
（当然如果存在多个-1，就是一个存在多解的方程了）

我理解的要点是：首先shape就是reshape变换后的矩阵大小，先不管-1的那一个维度，先看其它维度，然后用原矩阵的总元素个数除以确定的维度，就能得到-1维度的值。

我们来看例子。

M=np.array([[[[1,2,3]]],[[[4,5,6]]],[[[7,8,9]]]])   #M是[3,1,1,3]的四维矩阵

我想把M重组成若干个3维的向量，那么直接tf.reshape(M,[-1,3])

那么会得到几个3维向量呢？  M一共有9个元素，9/3=3，那么得到3个三维向量，那么结果就是[3,3]的矩阵。

那么我想得到若干个[3,3]的矩阵，那么我们tf.reshape(M,[-1,3,3])

那么结果就是[1,3,3]的矩阵