Question

当前，我正在研究一个神经网络，该网络可以对街景房数数据集（http://ufldl.stanford.edu/housenumbers/）中的数字进行分类。现在，我只是尝试使用第二种格式，类似于MNIST数据集。

我遇到的问题是示例的训练列和测试数组的形状是（高度，宽度，通道，示例），而不是（示例，高度，宽度，通道）的形状。

是否有一种简单的方法可以将数组重塑为所需形状，而无需使用许多嵌套循环？

Answer 1

我不确定您要重塑的对象是Tensor还是numpy.ndarray。

如果它是numpy.ndarray，则可以使用np.transpose。例如：

import numpy as np

a = np.zeros((299, 299, 3, 50))
print(a.shape)  # (299, 299, 3, 50) H x W x C x M
b = np.transpose(a, [3, 0, 1, 2])
print(b.shape)  # (50, 299, 299, 3)

如果它是Tensor，则可以使用tf.transpose来更改尺寸顺序，其方式与np.transpose完全相同。例如：

import tensorflow as tf

a = tf.zeros((299, 299, 3, 50), dtype=tf.int32)
print(a.shape.as_list())  # [299, 299, 3, 50]
b = tf.transpose(a, [3, 0, 1, 2])
print(b.shape.as_list())  # [50, 299, 299, 3]

如何重塑图像阵列？

1 个答案: