numpy 张量拉平与恢复
127 浏览量
2020-12-21
17:25:40
上传
评论
收藏 30KB PDF 举报
numpy 张量拉平与恢复张量拉平与恢复
numpy 中的高维数组可以使用其自带的 flatten 函数转化成 1 维数组。
在优化问题的梯度下降求解过程中，把高维的梯度变成 1 维数组是很重要的，方便求自适应步长。
把张量拉平容易，怎么把它复原到原来的维度呢？
这自然想到把原本的张量维度保存下来，下面介绍这个小技巧：
from functools import partial
def flatten(x):
original_shape = x.shape
return x.flatten(), partial(np.reshape, newshape=original_shape)
上面这个 flatten 函数有两个返回值，一个是拉平后的 1 维数组，第二个是恢复原来形状的函数，举个例子：
>>> a = np.random.random((2,3))
>>> a
array([[0.1911062 , 0.17940551, 0.93155731],
[0.06759109, 0.12956553, 0.86589604]])
>>> a_, unflatten = flatten(a)
>>> a_
array([0.1911062 , 0.17940551, 0.93155731, 0.06759109, 0.12956553, 0.86589604])
>>> unflatten
functools.partial(, newshape=(2, 3))
>>> unflatten(a_)
array([[0.1911062 , 0.17940551, 0.93155731],
[0.06759109, 0.12956553, 0.86589604]])
这个例子应该非常直观吧！！
这里用到了 python 函数库中的 partial，
partial 的第一个参数为函数名，其它参数为默认填补的参数。
这里把数组原来的形状告诉 np.reshape，就可以实现形状还原啦。
资源评论
