np.reshape

tensorflow中卷积神经网络中，经过卷积和池化层，最后会拉伸一下参数，再与全连接层相连。

比如：   re1 = tf.reshape(pool4, [-1, 6 * 6 * 128])   

但有时，我会建着建着网络就记不得6 * 6 * 128这个是多少了，为了方便，发现其实有更简单的写法：

比如：   re1 = tf.reshape(pool4, [1，-1]) 

下来验证两种写法是不是一样的效果：

代码：

import tensorflow as tf

import numpy as np   

t =[[1, 2, 3],[4, 5, 6],[7, 8, 9]]   
print(t)    # [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
t1 = tf.reshape(t, [-1,9])
print(t1)   #Tensor("Reshape_17:0", shape=(1, 9), dtype=int32)
t3 = tf.reshape(t, [1,-1])
print(t3)   #Tensor("Reshape_18:0", shape=(1, 9), dtype=int32)
t4  = t1,t3

a =  [[[1, 1], [2, 2]],[[3, 3], [4, 4]]] 
print(a)     # [[[1, 1], [2, 2]], [[3, 3], [4, 4]]]
a1 = np.reshape(a, [-1,8])
print(a1)   # [[1 1 2 2 3 3 4 4]]
a2 = np.reshape(a, [1,-1])
print(a2)   # [[1 1 2 2 3 3 4 4]]

a3 = a1,a2

证明：就是一样的