高乐雅官方网站 哪个公司做的seo如何优化的

reshape() 和 transpose() 是用于改变数组或张量形状的两种不同方法，

它们的主要区别在于如何重新排列元素以及是否可以改变轴的顺序。

1 reshape()

• reshape() 函数用于改变数组或张量的形状，但是不改变元素的排列顺序。它只是简单地将数组的维度重新排列，但不改变维度之间的关系。
• reshape() 只是改变了张量的视图，不会对数据进行重排或转置。
• 例如，对于一个形状为 (2, 3, 4) 的数组，通过 reshape(3, 2, 4) 可以将其形状变为 (3, 2, 4)，但是数组的元素排列顺序不变。
• reshape() 只需满足新形状的元素数量与原始形状相同即可。

2 transpose()

• transpose() 函数用于交换数组或张量的轴的顺序，从而改变元素的排列顺序。
• 它可以灵活地重新排列数组的轴，以满足不同的需求。
• 例如，对于一个形状为 (2, 3, 4) 的数组，通过 transpose(1, 0, 2) 可以将其形状变为 (3, 2, 4)，同时改变了轴的顺序。
• transpose() 可以用于任意地改变数组轴的顺序，但需要明确指定新的轴顺序。

3 我遇到的问题

问题：将shape为(1, 72, 1, 169, 253)的张量变为shape为(1, 169, 253, 72, 1)的张量 并且不改变数据

目的是：进行维度顺序的改变，但不改变他们的数据结构

一开始我使用的是reshape()

preds = preds.reshape(-1, preds.shape[3], preds.shape[4], preds.shape[1], preds.shape[2])

这样得到的结果是错误的，直接按照【元素本身的排列顺序】处理，破坏了数据的空间结构

因此，我得到了错误的结果

进行修改，

preds_new = np.transpose(preds, (0, 3, 4, 1, 2))

最终得到：