高维度时np.transpose与np.reshape的用法

最新推荐文章于 2025-07-02 22:17:27 发布

咸鱼半条

最新推荐文章于 2025-07-02 22:17:27 发布

阅读量2.3k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： Python 小知识

本文链接：https://blog.youkuaiyun.com/wgx571859177/article/details/80999133

本文介绍了如何利用numpy库中的transpose和reshape函数，将一个高维度数组转换成四个独立的数组。通过具体的代码示例，详细解析了转置在交换数组维度的作用以及reshape在改变数组形状时的逻辑，特别是对于超过三维的数组重塑提供了直观的理解。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

今天遇到一个数组按照排布规律转变为4个数组的方法，通过转置与重塑在高维度实现，源代码如下：

def downsample_subpixel_new(x,downscale=2):
    [b, h, w, c] = x.get_shape().as_list()
    s = downscale
    if h%s != 0 or w%s != 0:
        print('!!!!Notice: the image size can not be downscaled by current scale')
        exit()
    x_1 = tf.transpose(x, [0, 3, 1, 2])
    x_2 = tf.reshape(x_1, [b, c, h, w // s, s])
    x_3 = tf.reshape(x_2, [b, c, h // s, s, w // s, s])
    x_4 = tf.transpose(x_3, [0, 1, 2, 4, 3, 5])
    x_5 = tf.reshape(x_4, [b, c, h // s, w // s, s * s])
    x_6 = tf.transpose(x_5, [0, 2, 3, 1, 4])
    x_output = tf.reshape(x_6, [b, h // s, w // s, s * s * c])
    return x_output

上面代码实现的效果为下图左边一个数组变为右边四个数组：