mxnet symbol reshape用法

mx.symbol.reshape

对于给定输入的array和其shape，可以返回一个含有新shape的一个copy。shape是整形元组类型，可以包含可选的几个负数。

一些维度的可选值有：{0, -1, -2, -3, -4}

1. 维度0的作用是复制输入的该维度到对应输出：

data=mx.sym.Variable('data')   # 输入symbol
data=mx.sym.Reshape(data=data, shape=(4,0,2))    # reshape目标
print(data.infer_shape(data=(2,3,4))[1])    # 用输入形状推理输出形状，infer_shape用法见这里～

输出： （4，3，2）

data=mx.sym.Variable('data')
data=mx.sym.Reshape(data=data, shape=(2,0,0))
print(data.infer_shape(data=(2,3,4))[1])

输出：（2，3，4）

2. 维度-1的作用是利用剩余的维度来推断该维度，要保持所有维度尺寸一样：

data=mx.sym.Variable('data')    
data=mx.sym.Reshape(data=data, shape=(6,1,-1))   
print(data.infer_shape(data=(2,3,4))[1])    

输出：（6，1，4）

data=mx.sym.Variable('data')
data=mx.sym.Reshape(data=data, shape=(3,-1,8))
print(data.infer_shape(data=(2,3,4))[1])

输出：（3，1，8）

data=mx.sym.Variable('data')
data=mx.sym.Reshape(data=data, shape=(-1))
print(data.infer_shape(data=(2,3,4))[1])

输出：（24，）

3. 维度-2的作用是拷贝全部或剩余的维度到输出

data=mx.sym.Variable('data')
data=mx.sym.Reshape(data=data, shape=(-2))
print(data.infer_shape(data=(2,3,4))[1])

输出：（2，3，4）

data=mx.sym.Variable('data')
data=mx.sym.Reshape(data=data, shape=(2,-2))
print(data.infer_shape(data=(2,3,4))[1])

输出：（2，3，4）

data=mx.sym.Variable('data')
data=mx.sym.Reshape(data=data, shape=(-2,1,1))
print(data.infer_shape(data=(2,3,4))[1])

输出：（2，3，4，1，1）

4. 维度-3的作用是利用两个连续维度之积作为对应输出维度

data=mx.sym.Variable('data')
data=mx.sym.Reshape(data=data, shape=(-3,4))
print(data.infer_shape(data=(2,3,4))[1])

输出：（6，4）

data=mx.sym.Variable('data')
data=mx.sym.Reshape(data=data, shape=(-3,-3))
print(data.infer_shape(data=(2,3,4,5))[1])

输出：（6，20）

data=mx.sym.Variable('data')
data=mx.sym.Reshape(data=data, shape=(0,-3))
print(data.infer_shape(data=(2,3,4))[1])

输出：（2，12）

data=mx.sym.Variable('data')
data=mx.sym.Reshape(data=data, shape=(-3,-2))
print(data.infer_shape(data=(2,3,4))[1])

输出：（6，4）

5. 维度-4的作用是将输入的一个维度划分成后续的两个维度（可含-1）

data=mx.sym.Variable('data')
data=mx.sym.Reshape(data=data, shape=(-4,1,2,-2))
print(data.infer_shape(data=(2,3,4))[1])

输出：（1，2，3，4）

这个稍难理解解释一下：输入是（2，3，4），reshape的目标是（-4，1，2，-2），且-4后续的两个维度为1和2，即希望将-4对应的维度（对应输入的2）分解成（1，2）。 此时-2将剩余的（3，4）拉过来就变成了（1，2，3，4）。

data=mx.sym.Variable('data')
data=mx.sym.Reshape(data=data, shape=(2,-4,-1,3,-2))
print(data.infer_shape(data=(2,3,4))[1])

输出：（2，1，3，4）

也可以连续reshape：

data=mx.sym.Variable('data')
data=mx.sym.Reshape(data=data, shape=(-1, -4, -1, 1, 3, 256, 256))
print(data.infer_shape(data=(16, 8, 3, 256, 256))[1])
data=mx.sym.Reshape(data=data, shape=(-3,-3,-2))
print(data.infer_shape(data=(16, 8, 3, 256, 256))[1])

输出：16，8，1，3，256，256

输出：128，3，256，256