python中reshape

 

比如

arr = [1,2,3,4,5,6,7,8,9] # 一个一维的list，长度为9

想把arr变成一个3*3的矩阵，这就可以用的reshape了，有两个方法，第一

arr.reshape(3,3)

这个很好理解，不多说，重点看第二个方法

arr.reshape(-1,3)

这样也可以把arr变成3*3的矩阵，这个-1代表的意思就是，我不知道可以分成多少行，但是我的需要是分成3列，多少行我不关心。

最后，看一个实际的例子，在这个数据集里面

from sklearn.datasets import load_digits # 一个图片的数据集

这个图像的表示方法是1797*64，表示1797张图片，每张图片用一行64个数表示，怎么把这一行的数据取出来呢？就是用的reshape这个函数

picture_data = data.reshape(-1,8,8,1)

-1表示不知道，两个8表示8行8列，1表示一维空间（彩色是在处理的时候是三维空间RGB），整短代码就是说，把1797*64这个矩阵，变换成8*8的不知道多少个的矩阵，这样后面就方便用CNN神经网络去处理了

 

在如何表示一组彩色图片的问题上，Theano和TensorFlow发生了分歧， '日'模式，也即Theano模式会把100张RGB三通道的16×32（高为16宽为32）彩色图表示为下面这种形式（100,3,16,32），Caffe采取的也是这种方式。第0个维度是样本维，代表样本的数目，第1个维度是通道维，代表颜色通道数。后面两个就是高和宽了。这种theano风格的数据组织方法，称为“channels_first”，即通道维靠前。

而TensorFlow，的表达形式是（100,16,32,3），即把通道维放在了最后，这种数据组织方式称为“channels_last”。

keras中添加卷积层时，可以指定deat_format格式：

model.add(Convolution2D(
    batch_input_shape=(None, 1, 28, 28),   #多少数据  通道数  宽  高
    filters=32,     #滤波器数量
    kernel_size=5,   #滤波器大小5x5
    strides=1,       #步长1
    padding='same',     # Padding method
    data_format='channels_first',
))