https://blog.csdn.net/accumulate_zhang/article/details/78704121
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。
转换为一般的shape（也就是不涉及-1的）我这里就不说了，主要说一下对-1的理解。
-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，但列表中只能存在一个-1。
（当然如果存在多个-1，就是一个存在多解的方程了）
我理解的要点是：首先shape就是reshape变换后的矩阵大小，先不管-1的那一个维度，先看其它维度，然后用原矩阵的总元素个数除以确定的维度，就能得到-1维度的值。
我们来看例子。
M=np.array([[[[1,2,3]]],[[[4,5,6]]],[[[7,8,9]]]]) #M是[3,1,1,3]的四维矩阵
我想把M重组成若干个3维的向量，那么直接tf.reshape(M,[-1,3])
那么会得到几个3维向量呢？ M一共有9个元素，9/3=3，那么得到3个三维向量，那么结果就是[3,3]的矩阵。
那么我想得到若干个[3,3]的矩阵，那么我们tf.reshape(M,[-1,3,3])
那么结果就是[1,3,3]的矩阵
|
