x = tf.reshape(x, shape = [-1, 28, 28, 1])中-1的解释

最新推荐文章于 2023-07-14 10:27:06 发布

nwsuaf_huasir

最新推荐文章于 2023-07-14 10:27:06 发布

阅读量1.6k

点赞数 2

分类专栏： Tensorflow深度学习文章标签： tensorflow 人工智能 python

本文链接：https://blog.csdn.net/wzz110011/article/details/121211758

版权

Tensorflow深度学习专栏收录该内容

56 篇文章 4 订阅

订阅专栏

本文解析了在使用TensorFlow构建深度神经网络时，代码中的`tf.reshape(x, shape=[-1, 28, 28, 1])`中`-1`的巧妙应用，通过numpy实例展示其作用，并揭示了在数据维度转换中的灵活性。

摘要由CSDN通过智能技术生成

今天在学习tensorflow深度神经网络的时候发现有这样一行代码：

x = tf.reshape(x, shape = [-1, 28, 28, 1])

其中的参数：-1让我不知所措，其实他就是一种参数的省略，几个例子

z = np.array([[1, 2, 3, 4],
          [5, 6, 7, 8],
          [9, 10, 11, 12],
          [13, 14, 15, 16]])
z.shape
(4, 4)

z.reshape(-1)
array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16])

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

nwsuaf_huasir

关注关注

2
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

浅谈tensorflow使用张量时的一些注意点tf.concat,tf.reshape,tf.stack

12-17

1 tf.concat函数 tensorflow1.0以前函数用法：tf.concat(concat_dim, values, name=’concat’)，第一个参数为连接的维度，可以将几个向量按指定维度连接起来。如： t1 = [[1, 2, 3], [4, 5, 6]] t2 = [[7, 8, 9],...

numpy.reshape（）函数

最新发布

weixin_44289548的博客

07-14

203

tf.reshape中“-1”用法详解 - 知乎

tf.reshape(x, [-1, 28, 28, 1])

冰雪棋书的博客

01-28

2947

源码：x_image = tf.reshape(x, [-1, 28, 28, 1]) 这里是将一组图像矩阵x重建为新的矩阵，该新矩阵的维数为（a，28，28，1），其中-1表示a由实际情况来定。例如，x是一组图像的矩阵（假设是50张，大小为56×56），则执行 x_image = tf.reshape(x, [-1, 28, 28, 1]) 可以计算a=50×56×56/28/28/1=200。即x_image的维数为（200，28，28，1）。作者：知乎用户链接：https://www.zhih

tf.shape用法

tuying_001的专栏

10-23

676

tf.reshape(tensor,shape, name=None) 作用就是把tensor变换为shape的形式 reshape里面的参数的乘积必须是等于上面数组所有参数的总和。 shape里可以存在-1， -1的意思是这一维的数目会被自动计算。-1只能有一个。我们可以这样理解变换过程，首先把tensor变换成一维的，然后再根据shape变换。 ...

TensorFlow的reshape操作 tf.reshape的实现

01-21

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。-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...

tensorflow入门:tfrecord 和tf.data.TFRecordDataset的使用

09-18

feature = tf.reshape(feature, parsed_features['shape']) label = parsed_features['label'] return feature, label dataset = dataset.map(parse_function) # 添加批处理和随机洗牌等预处理步骤 dataset = ...

基于TF的CNN图像识别代码讲解1

08-08

x_tensor = tf.reshape(x_tensor, shape=[-1, x_shape[1] * x_shape[2] * x_shape[3]]) return x_tensor ``` 扁平化层的作用是将三维或多维数据拉直为一维向量，以便后续的全连接层处理。 3. **全连接层**： `...

Python中reshape函数参数-1的含义

ZYYRWish_97的博客

06-03

4744

# data pre-processing # normalize # X shape (60,000 28x28)，表示输入数据 X 是个三维的数据 # 可以理解为 60000行数据，每一行是一张28 x 28 的灰度图片 # X_train.reshape(X_train.shape[0], -1)表示：只保留第一维，其余的纬度，不管多少纬度，重新排列为一维 # 参数-1就是不知道行数或者列数多少的情况下使用的参数 # 所以先确定除了参数-1之外的其他参数，然后通过(总参数的计算) / (确定除了参数-

tf.reshape(t, [-1])用法

qq_36201400的博客

09-28

1697

reshape(t, [-1])表示将张量t展平为一维 def reshape(tensor, shape, name=None): r"""Reshapes a tensor. Given `tensor`, this operation returns a tensor that has the same values as `tensor` with shape `shape`. If one component of `shape` is the special value.

『tensorflow笔记』tf.reshape的详细讲解

AI新视界

01-05

5503

函数原型：目的是为了功能改变张量（tensor）的形状。 tf.reshape( tensor, shape, name=None ) tensor形参传入一个tensor。shape传入一个向量，代表新tensor的维度数和每个维度的长度。如果传入[3,4,5]，就会返回一个内含各分量数值和原传入张量一模一样的3*4*5尺寸的张量。如果shape传入的向量某一...

python中reshape的负参数

fengjiexyb的专栏

08-21

3115

numpy reshape（-1,1）如果参数中存在-1，表示该参数由其他参数来决定，例如原来的矩阵是28*28=784，那么执行 reshape(-1,1)，表示第二个参数为1，那么由此推出第一个参数为784。

手写数字识别

God_68的博客

01-02

1549

x = tf.reshape(x, shape=[-1, 28, 28, 1])的理解

agent_snail的博客

04-23

9136

Mnist中数据，输入n个样本，每个样本是784个列构成的向量。所以输入的是n*784的矩阵。但是输入到CNN中需要卷积，需要每个样本都是矩阵。 x = tf.reshape(x, shape=[-1, 28, 28, 1]) newshape : int or tuple of ints The new shape should be compatible with the origin...

tensorflow学习（3）：解读mnist_experts例子，训练保存模型并tensorboard可视化

欢迎来到Jimmy的博客

03-26

7590

前言官网的mnist例子讲解的很清楚了，要想深入理解这个网络结构到底干了什么，还是需要好好入门一下深度学习的基础知识。好好看看Michael Nielsen大神写的这本书：Neural Networks and Deep Learning，中文版下载地址：中文版pdf。本文讲解mnist_experts例子并结合tensorflow的常用操作（tensorboard可视化和Saver保存模型）来改写

tf.shape VS x.get_shape

u014264373的博客

05-31

505

这两个方法都可以得到Tensor x的shape，但是有区别直接看例子import tensorflow as tf x = tf.placeholder(shape=[None, 256, 256, 1], dtype=tf.float32) print(tf.shape(x)) print(x.get_shape())结果：显然，tf.shape()得到的是x的维度，比如这里是4为的Tens...

tensorflow基础

weixin_43178406的博客

06-27

1万+

1. Tensorflow安装 CPU版本：管理员方式打开命令行提示符，输入命令：pip install tensorflow GPU版本：管理员方式打开命令行提示符，输入命令：pip install tensorflow-gpu 2. 更新Tensorflow 1.卸载旧版本：pip uninstall tensorflow 2.安装旧版本：如上 3. Tensorflow基本概念使...

tf.cast()类型转换函数

凝眸伏笔的博客

09-10

1422

作用：类型转换函数 tf.cast(x, dtype, name=None) 参数： x：输入 dtype：转换目标类型 name：名称返回：Tensor，跟输入同shape 这里补充下tf的数据类型，作为tf.cast()的参数时，需要写为tf.float32. uint8,uint16,uint32,uint64,int8,int16,int32,int64,float16,float32,float64,complex64,complex128,bfloa...

inputs = tf.reshape(inputs, shape=[-1, 11])的输入怎么用letnet神经网络python

05-16

其中，train_images和test_images是训练集和测试集的输入数据，shape为[样本数量, 图片高度, 图片宽度, 图像通道数]，在LeNet神经网络中，输入数据的shape为[样本数量, 28, 28, 1]。因此，需要使用tf.reshape()函数...