Question

实际上，我正在做的课程“deeplearning.ai”的作业“神经风格转移的艺术生成”。在函数compute_layer_style_cost(a_S, a_G):

中

a_S = tf.reshape(a_S, [n_H*n_W, n_C])
a_G = tf.reshape(a_G, [n_H*n_W, n_C])

GS = gram_matrix(tf.transpose(a_S))
GG = gram_matrix(tf.transpose(a_G))

为什么这段代码会给出正确的答案，但是，以下内容并非如此：

a_S = tf.reshape(a_S, [n_C, n_H*n_W])
a_G = tf.reshape(a_G, [n_C, n_H*n_W])

GS = gram_matrix(a_S)
GG = gram_matrix(a_G)

Answer 1

这是一个简单的例子，显示了这两个表达式之间的区别：

import tensorflow as tf
tf.InteractiveSession()

x = tf.range(0, 6)
a = tf.reshape(x, [3, 2])
b = tf.transpose(tf.reshape(x, [2, 3]))

print(x.eval())
print(a.eval())
print(b.eval())

结果：

[0 1 2 3 4 5]

[[0 1]
 [2 3]
 [4 5]]

[[0 3]
 [1 4]
 [2 5]]

您可以注意到，a和b不同，但形状相同。这是因为第一次重塑“将x分成[0 1]，[2 3]和[4 5]，而第二次重塑为[0 1 2]和[3 4 5]。< / p>

`tf.reshape（a，[m，n]）`和`tf.transpose（tf.reshape（a，[n，m]））`之间的区别？

1 个答案: