主页 / 问题 / 1122517
Accepted
Potion
Asked:2020-05-09 01:37:39 +0800 CST2020-05-09 01:37:39 +0800 CST

用 4 个参数重塑 NumPy

  • 772

有这样的代码

#Тут мы загружаем датасет MNIST
(train_images, train_labels), (_, _) = keras.datasets.mnist.load_data()

#На выходе получаем пары вида "массив изображений цифры 0", 0
#"массив изображений цифры 1", 1 и так далее, вплоть до цифры 9


print(train_images.shape) - выводит (60000, 28, 28)


train_images = train_images.reshape(train_images.shape[0], 28, 28, 1).astype('float32')


print(train_images.shape) - выводит (60000, 28, 28, 1)

这些数字是什么意思？28x28 是 MNIST 图像本身的分辨率，这里一切都很清楚。

什么是60000？是数组长度 - 矩阵高度 - 图像总数吗？为什么我们要把这些转换成另一个矩阵，1 是什么意思呢？

我知道 reshape 将数组转换为新形状而不更改其数据，但我无法想象 (60000, 28, 28) 和 (60000, 28, 28, 1) 之间有什么区别，它看起来像什么? 它是用来做什么的？

python

1 个回答

  1. Best Answer

    (60000, 28, 28)和之间的区别(60000, 28, 28, 1)恰恰在于输入张量/矩阵的维度。四维张量维度中的最后一个数字通常负责颜色通道的数量。那些。在您的情况下，它是关于灰度图像，即 一个颜色通道。

    它是干什么用的？

    大多数情况下，在使用神经网络时，我们会使用现成且经过验证的 NN 架构。大多数情况下，此类架构期望输入某个维度的张量。在您的情况下 -60000是训练集中的样本/图片数量。这些图片中的每一张都有一个维度28x28x1- 即 单色图片尺寸28x28/

    • 1

相关问题