扩展维度
Extending dimensions
从 tensorflow returns ndarry (x_train, y_train), (x_test, y_test) 加载数据，其中数据的形状为 (num_samples, 3, 32, 32) 我想扩展此形状以包含另一个维度以具有 [num_classes, num_samples, im_height, im_width, im_channels].
例如，对于 Cifar100，x_train.shape 应该是 (100,50000, 32, 32, 3)。
我尝试像 x_train = np.reshape(x_train, (100, len(x_train), 32,32,1)) 那样重塑，但这不起作用。添加新轴也不能解决问题。
您无法重新整形，因为元素总数不同。
您需要创建一个新数组并以您需要的任何模式复制数据。例如：
new_x_train = np.empty((100, 50000, 32, 32, 3), x_train.dtype)
new_x_train[:] = x_train # 100 copies of x_train using broadcasting
或者，等价地：
new_x_train = np.broadcast_to(x_train, (100, 50000, 32, 32, 3))
从 tensorflow returns ndarry (x_train, y_train), (x_test, y_test) 加载数据，其中数据的形状为 (num_samples, 3, 32, 32) 我想扩展此形状以包含另一个维度以具有 [num_classes, num_samples, im_height, im_width, im_channels].
例如，对于 Cifar100，x_train.shape 应该是 (100,50000, 32, 32, 3)。
我尝试像 x_train = np.reshape(x_train, (100, len(x_train), 32,32,1)) 那样重塑，但这不起作用。添加新轴也不能解决问题。
您无法重新整形，因为元素总数不同。
您需要创建一个新数组并以您需要的任何模式复制数据。例如：
new_x_train = np.empty((100, 50000, 32, 32, 3), x_train.dtype)
new_x_train[:] = x_train # 100 copies of x_train using broadcasting
或者，等价地：
new_x_train = np.broadcast_to(x_train, (100, 50000, 32, 32, 3))