MxNet中NDArray的reshape用法总结

reshape没有特殊值时的常规用法就不用细说了，比如

>>> from mxnet import nd
>>> a = nd.array([1,2,3,4])
>>> a.shape
(4L,)
>>> a.reshape(2,2)

[[1. 2.]
 [3. 4.]]
<NDArray 2x2 @cpu(0)>

　　

 下面详细讲下带有特殊值，需要推倒的情况：

1. 0 表示复用输入中的维度值

>>> from mxnet import nd
>>> a = nd.random.uniform(shape=(2,3,4))
>>> a.shape
(2L, 3L, 4L)
>>> b = a.reshape(4, 0, 2)
>>> b.shape
(4L, 3L, 2L)

上面例子中，输出的第2个维度值与输入的第2个维度值保持不变

2. -1 表示根据输入与输出中元素数量守恒的原则，根据已知的维度值，推导值为-1的位置的维度值

>>> from mxnet import nd
>>> a = nd.random.uniform(shape=(2,3,4))
>>> a.shape
(2L, 3L, 4L)
>>> b = a.reshape(-1, 12)
>>> b.shape
(2L, 12L)

3. -2 表示复用所有该位置之后的维度

>>> from mxnet import nd
>>> a = nd.random.uniform(shape=(2,3,4))
>>> a.shape
(2L, 3L, 4L)
>>> b = a.reshape(2, -2)
>>> b.shape
(2L, 3L, 4L)

4. -3 表示将连续两个维度相乘作为新的维度

>>> from mxnet import nd
>>> a = nd.random.uniform(shape=(2,3,4))
>>> a.shape
(2L, 3L, 4L)
>>> b = a.reshape(2, -3)
>>> b.shape
(2L, 12L)

5. -4 表示把当前位置的维度拆分为后面两个维度，这后面两个数的乘积等于当前维度的输入值

>>> a = nd.random.uniform(shape=(2,3,4))
>>> a.shape
(2L, 3L, 4L)
>>> b = a.reshape(-4, 1, 2, -2)
>>> b.shape
(1L, 2L, 3L, 4L)

reverse=True时，表示按照从右往左的顺序进行推导，这个推导的技巧是把原维度和reshape的参数右侧对齐，从右往左依次推导 比如：

reverse=False的情况（缺省）

>>> from mxnet import nd
>>> a = nd.random.uniform(shape=(10, 5, 4))
>>> a.shape
(10L, 5L, 4L)
>>> b = a.reshape(-1, 0)
>>> b.shape
(40L, 5L)

reverse=True的情况下：

>>> from mxnet import nd
>>> a = nd.random.uniform(shape=(10, 5, 4))
>>> a.shape
(10L, 5L, 4L)
>>> b = a.reshape(-1, 0, reverse=True)
>>> b.shape
(50L, 4L)