np.resize 和 np.reshape 的区别

二者都是改变输入的形状，但是区别是： reshape只能改变形状，不能改变原始输入包含的元素个数

                                                                 resize可以改变尺寸。

具体看下面的例子：

import numpy as np

a = [[1,2,3],[4,5,6]]

b1 = np.reshape(a,[1,6])
b2 = np.resize(a,[2,2])
b3 = np.resize(a,[2,10])
a = np.array(a)
a.resize([2,10])

print("reshape:\n",b1)
print("resize:\n",b2)
print("resize:\n",b3)
print("resize:\n",a)

输出结果：

reshape:
 [[1 2 3 4 5 6]]
resize:
 [[1 2]
 [3 4]]
resize:
 [[1 2 3 4 5 6 1 2 3 4]
 [5 6 1 2 3 4 5 6 1 2]]
resize:
 [[1 2 3 4 5 6 0 0 0 0]
 [0 0 0 0 0 0 0 0 0 0]]

可以发现，resize在尺寸缩小时，只保留一部分元素；在尺寸扩大的时候，它会重复使用原始输入的元素值进行填充（也可以通过 a.resize() 的方式实现用0进行填充）。

特别注意的一点是：这两个函数只是改变形状，虽然resize可以改变尺寸，但是只是进行简单的裁剪和填充。如果想更加精确的使用插值的方式进行尺寸的扩大或缩小，比如改变一副图像的形状，则不能用这个函数进行。