就总数据而言，Numpy.Reshape() 在输入向量处理中做了啥

Posted 2023-02-16

【中文标题】就总数据而言，Numpy.Reshape() 在输入向量处理中做了啥

【英文标题】：What does Numpy.Reshape() do in Input Vector Processing In Terms of Total Data就总数据而言，Numpy.Reshape() 在输入向量处理中做了什么

【发布时间】：2018-06-17 13:48:51

【问题描述】：

我正在积极学习如何将文本信息编码为数字格式，然后通过 RNN 或 LSTM 进行学习。

https://machinelearningmastery.com/text-generation-lstm-recurrent-neural-networks-python-keras/

这家伙把LSTM的精髓很好地删减了，我认为是一个很好的教程，

而且他试图让 LSTM 模型来学习《爱丽丝梦游仙境》的全文

在示例代码中，我不太明白的是：

# reshape X to be [samples, time steps, features]
X = numpy.reshape(dataX, (n_patterns, seq_length, 1))
# normalize
X = X / float(n_vocab)
# one hot encode the output variable
y = np_utils.to_categorical(dataY)

这里，特别是函数numpy.reshape()将dataX转换成我们想要的格式。

但我无法理解 n_patterns 只是整数 144223，它只是 dataX 的 len()。

我的意思是，我知道正如他在教程帖子中所说，它会将整个 dataX 列表元素重新缩放为 0-1 比例，但我很好奇的是，对于 dataX 进行了哪些操作以使其在数学上如此。

就是这样。

感谢您的帮助，以后会更加努力学习！

【问题讨论】：

抱歉，这不是论坛。 docs.scipy.org/doc/numpy-1.13.0/reference/generated/…

在交互式 Python 会话中对小数组进行重塑。确保你了解数组形状的概念，

【参考方案1】：

我们需要知道dataX.shape 才能清楚知道发生了什么。

X = numpy.reshape(dataX, (n_patterns, seq_length, 1))

len(dataX) 只是 dataX.shape[0]，数组的第一个维度。

reshape 的一个关键点是元素的总数不能改变。由此我推断dataX.shape 已经是(n_patterns, seq_length)，而reshape 只是添加了尾随大小1 维度。

这样做是为了方便 LSTM 代码，如注释 [samples, time steps, features] 所示。

reshape 对这些值没有任何作用。它只是改变了数组的形状（从技术上讲，它产生了一个具有新形状的新数组，但共享原始数据）。