Numpy reshape在方阵上的行为不同

lmvvr0a8 于 2023-05-17 发布在其他

关注(0)|答案(1)|浏览(257)

我有以下数据：

weights = [
    np.array([np.array([1, 2, 3]), np.array([1, 2, 3])]),
    np.array([np.array([1, 2, 3]), np.array([1, 2, 3])]),
    np.array([np.array([1, 2, 3]), np.array([1, 2, 3])]),
    np.array([np.array([1, 2, 3]), np.array([1, 2, 3])]),
    np.array([np.array([1, 2, 3]), np.array([1, 2, 3])]),
]

len_models = len(weights)
len_layers = len(weights[0])

如果我尝试这样重塑数据：x = np.reshape(weights, (len_layers, len_models))，我得到一个错误：
无法将大小为30的数组整形为形状（2，5）
但是，如果权重具有以下值：

weights = [
    np.array([np.array([1, 2, 3]), np.array([1, 2, 3, 4])]),
    np.array([np.array([1, 2, 3]), np.array([1, 2, 3, 4])]),
    np.array([np.array([1, 2, 3]), np.array([1, 2, 3, 4])]),
    np.array([np.array([1, 2, 3]), np.array([1, 2, 3, 4])]),
    np.array([np.array([1, 2, 3]), np.array([1, 2, 3, 4])]),
]

重塑操作有效。
为什么会这样呢？

numpy

来源：https://stackoverflow.com/questions/76194847/numpy-reshape-behaves-differently-on-square-matrices

1条答案

按热度按时间

taor4pac1#

你应该把形状看成np.arrays：

weights = np.array([
    np.array([np.array([1, 2, 3]), np.array([1, 2, 3])]),
    np.array([np.array([1, 2, 3]), np.array([1, 2, 3])]),
    np.array([np.array([1, 2, 3]), np.array([1, 2, 3])]),
    np.array([np.array([1, 2, 3]), np.array([1, 2, 3])]),
    np.array([np.array([1, 2, 3]), np.array([1, 2, 3])]),
])
weights.shape # (5,2,3)
weights.dtype # dtype('int32')

为什么整形到(5,2)是不可能的，现在应该很明显了。
第二种情况：

weights = np.array([
    np.array([np.array([1, 2, 3]), np.array([1, 2, 3, 4])]),
    np.array([np.array([1, 2, 3]), np.array([1, 2, 3, 4])]),
    np.array([np.array([1, 2, 3]), np.array([1, 2, 3, 4])]),
    np.array([np.array([1, 2, 3]), np.array([1, 2, 3, 4])]),
    np.array([np.array([1, 2, 3]), np.array([1, 2, 3, 4])]),
])
weights.shape # (5,2)
weights.dtype # dtype('O')

第三维具有不同的长度（3和4），这创建了将第三维视为“一个”斑点的对象阵列。这也由警告指示：
VisibleDeprecationWarning：不赞成从不规则的嵌套序列（即具有不同长度或形状的列表或元组或ndarray的列表或元组）创建ndarray。如果你打算这样做，你必须在创建ndarray时指定'dtype=object'。np.array（[np.array（[1，2，3]），np.array（[1，2，3，4]）]）

赞(0）回复(0）举报 2023-05-17

我来回答

Numpy reshape在方阵上的行为不同

1条答案

相关问题

热门标签

最新问答