reshape(-1)函数的理解（代码讲解）

假设z是一个3行4列的矩阵

z = np.array([[1, 2, 3, 4],
          [5, 6, 7, 8],
          [9, 10, 11, 12]])

reshape(-1,newshape)的理解

如果reshape的值有-1的话，那么Numpy会根据所给的新的shape的信息（newshape），自动计算补足shape缺的值

比如这里的z矩阵，shape=（3,4），一共有12个元素，如果需要构造2列的新矩阵（只知道新矩阵的列信息），newshape=2，也即是z.reshape(-1,2)，那么-1的用处就是根据这个2列这个信息，计算得出新的矩阵需要多少行，12除以2=6（不能整除会报错），那么新的矩阵就是一个6*2的新矩阵；

再举一个例子，还是这个z矩阵，如果需要构造2乘3小矩阵的三维新矩阵（只知道新矩阵的小矩阵的行列信息），newshape=2乘3，也即是z.shape(-1,2,3)，那么-1的用处就是根据这个2乘3小矩阵这个信息，计算得出新的三维矩阵需要多少个2乘3的小矩阵，12除以(2乘3)=2，那么新的三维矩阵就是一个2乘2乘3的三维矩阵。（这里三维矩阵的说法有问题，希望理解就OK）

z.shape(-1)

z_1=z.reshape(-1)#改成一串，没有行列
print("z.reshape(-1)的结果：")
print(z_1)
print("结果大小：",z_1.shape)

z.shape(-1,1)

z_2=z.reshape(-1,1)#不知道几行，改成1列，这里意思是最后一维度是1（最内部的[]包含1个元素）
print("z.shape(-1,1)的结果：")
print(z_2)
print("结果大小：",z_2.shape)

z.shape(-1,2)

z_3=z.reshape(-1,2)#不知道几行，改成2列，这里意思是最后一维度是2（最内部的[]包含2个元素）
print("z.shape(-1,2)的结果：")
print(z_3)
print("结果大小：",z_3.shape)

z.shape(-1,5)

z.shape(-1,2,3)

z_4=z.reshape(-1,2,3)#不知道有几个小矩阵，改成二乘三的小矩阵，这里意思是最后一维度是3（最内部的[]包含3个元素），倒数第二个维度是2
print("z.shape(-1,2,3)的结果：")
print(z_4)
print("结果大小：",z_4.shape)

z.shape(-1,3,4)

z_5=z.reshape(-1,3,4)#不知道几个小矩阵，改成三乘四的小矩阵
print("z.shape(-1,3,4)的结果：")
print(z_5)
print("结果大小：",z_5.shape)

z.shape(-1,2,2,3)

z_6=z.reshape(-1,2,2,3)
print("z.shape(-1,2,2,3)的结果：")
print(z_6)
print("结果大小：",z_6.shape)

小贴士

[[[[ 1  2  3]
   [ 4  5  6]]

  [[ 7  8  9]
   [10 11 12]]]]
结果大小： (1, 2, 2, 3)
对于四维数据的理解，1表示最外部的[]包含1个低一级的[]，第一个2表示低一级的[]包含2个更低一级的[]，
第二个2表示更低一级的[]包含2个最低级的[]，3表示最低级的[]包含3个元素；
这里的1表示的是第一个维度，第一个2表示的是第二个维度，第二个2表示的是第三个维度，3表示的是第4个维度

z1=tf.reshape(z,[-1,1])跟z2=z.reshape(-1,1)作用是一样
但是print(z2)可以打印出结果，print(z1)没有结果
因为tensorflow操作是需要session才能运行的，前期只是搭建框架，设置变量结构
这里的1是指最低级的[]包含1个元素，也就是最后的一个维度的值是1

参考文章：
1 Python中reshape函数参数-1的意思？
2 对np.shape()的一点理解
3 Python中reshape函数参数-1的意思?

个人见解，欢迎批评指正