将大小为（n，n，m）的数组转换为（None，n，n，m）

Question

我正在尝试将大小为（14,14,3）的数组重塑为（None，14,14,3）。我已经看到卷积神经网络中每一层的输出都具有以下格式的形状：（None，n，n，m）。

考虑我的数组名称为 arr

我尝试过arr[None,:,:]，但是它将其转换为（1,14,14,3）的尺寸。

我应该怎么做？

Answer 1

https://www.tensorflow.org/api_docs/python/tf/TensorShape

  

TensorShape表示Tensor的可能是部分形状的规格。可能是以下之一：

     

部分已知的形状：具有已知的尺寸数量，而对于一个或多个尺寸的尺寸未知。例如TensorShape（[None，256]）

在numpy中是不可能的。 ndarray的所有尺寸都是已知的。

arr[None,:,:]表示法添加了一个新的尺寸为1的尺寸(1,14,14,3)。在广播规则下，可以更改此尺寸以匹配另一个阵列的尺寸。从这种意义上讲，我们通常将None视为一个灵活的维度。

---

尽管我看到两个标签都有很多问题，但我还没有使用tensorflow。 tensorflow应该具有在张量之间传递值的机制。它知道numpy，但是numpy并不“了解” tensorflow的任何信息。

ndarray是具有已知值的对象，其形状用于以多维方式访问这些值。相反，tensor没有值：

https://www.tensorflow.org/api_docs/python/tf/Tensor

  

它不保存该操作输出的值，而是提供一种计算这些值的方法

看起来您可以从一个数组创建一个TensorProt（也可以从一个数组返回一个数组）：

https://www.tensorflow.org/api_docs/python/tf/make_tensor_proto

并从数组中生成张量：

https://www.tensorflow.org/api_docs/python/tf/convert_to_tensor

Answer 2

形状（None，14、14、3）表示（（batch_size，imgH，imgW，imgChannel），现在imgH和imgW可互换使用取决于网络和问题。 但是在神经网络中，batchsize被指定为“ None”，因为我们不希望将batchsize限制为某个特定值，因为batchsize取决于很多因素，例如可用于模型运行的内存等。

因此，假设您有4张尺寸为14x14x3的图像，然后可以将每个图像附加到数组中，例如L1，现在L1的形状为4x14x14x3，即您制作了4张图像的批处理，现在您可以将其馈送到您的神经网络。

注意此处无将被4替换，并且在整个训练过程中将被替换为4。类似地，当您仅馈送网络一张图像时，它会假定batchsize为1，并将None设置为1从而得到形状（1X14X14X3）