时间戳

首页 > 解决方案 > 图像矩阵到输入特征向量向量

numpy - 图像矩阵到输入特征向量向量

问题描述

此代码将二维矩阵转换为包含矩阵所有值的向量，但是，我不明白这是什么意思：

image.reshape(image.shape[0] * image.shape[1] * image.shape[2],1)

我在其他论坛（例如 deeplearning.ai 论坛）中搜索过这行代码的含义……但好像没有人和我有同样的疑问……

"""

分级功能：image2vector

def image2vector（图像）：

Argument:
image -- a numpy array of shape (length, height, depth)

Returns:
v -- a vector of shape (length*height*depth, 1)



return image.reshape(image.shape[0]*image.shape[1]*image.shape[2],1) # WHAT DOES THIS MEAN??

"""

很抱歉使用图像，但我已经尝试了所有方法，但我无法让堆栈溢出来让我发布代码。 很抱歉使用图像，但我已经尝试了所有方法，但我无法让堆栈溢出来让我发布代码。

我真的不明白为什么image.reshape(image.shape[0] * image.shape[1] * image.shape[2],1)可以将矩阵转换为向量。

谢谢你的解释

标签： numpymatrix

解决方案

image具有 (H, W, C) 形式的形状，代表 H:height, W:width 和 C:channel。例如，大小为 256x256 的 RGB 图像具有 (256, 256, 3) 的形状，总共包含 256*256*3 个元素。

相同数量的元素可以存储在形状为 (256*256*3, 1) 的向量中。这就是这样numpy.reshape做的。最终数组的形状应该与输入数组具有相同数量的元素。

推荐阅读