先看一下flatten的具體用法
1-對于一般數值，可以直接flatten

>>> a=array([[1,2],[3,4],[5,6]]) >>> a array([[1, 2],[3, 4],[5, 6]]) >>> a.flatten() array([1, 2, 3, 4, 5, 6])

2-對列表變量，需要做一下處理

>>> a=array([[1,2],[3,4],[5,6]]) >>> [y for x in a for y in x] [1, 2, 3, 4, 5, 6]

3-對mat對象

>>> a = [[1,3],[2,4],[3,5]] >>> a = mat(a) >>> y = a.flatten() >>> y matrix([[1, 3, 2, 4, 3, 5]]) >>> y = a.flatten().A >>> y array([[1, 3, 2, 4, 3, 5]]) >>> shape(y) (1, 6) >>> shape(y[0]) (6,) >>> y = a.flatten().A[0] >>> y array([1, 3, 2, 4, 3, 5])

4-壓縮（reduce）

slopes=tf.sqrt(tf.reduce_sum(tf.square(gradients),reduction_indices=[1])

其中reduction_indices=1表示按行壓縮，=0表示按列壓縮
5-reshape

tf.reshape(tensor,shape,name=None)

tensor是我們輸入的張量，shape是我們希望輸入變成什么形狀，其中的shape為一個列表形式，特殊的是列表可以實現逆序的遍歷，即list(-1).-1所代表的含義是我們不用親自去指定這一維的大小，函數會自動進行計算，但是列表中只能存在一個-1。如一個6元素的數組，想要reshape成2*3時，下面三種寫法得到的結果都是一樣的

tf.reshape(a,[2,3]) tf.reshape(a,[2,-1]) tf.reshape(a,[-1,3])

總結

以上是生活随笔為你收集整理的深度学习中张量flatten处理（flatten，reshape，reduce）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。