三维阵列整形的正确方法

Question

我有一个形状为（n，4，5，5）的数据集，其中“n”是记录数，4个通道，每个通道有5 X 5矩阵。Keras CNN只接受带有形状（n、宽度、高度、通道）的输入。当我将重塑应用到我的数据集时

reshaped_dataset = dataset.reshape(-1, 5, 5, 4)

重塑后的数据集包含顺序错误的数据。我在我的数据集中发布了1个样本。你知道吗

[[[ 0.          0.          0.          1.42413757  0.        ]
  [ 0.          0.          1.82047845  0.          0.91023923]
  [ 0.          1.82047845  0.          0.          1.82047845]
  [ 1.42413757  0.          0.          0.          0.        ]
  [ 0.          0.91023923  1.82047845  0.          0.        ]]

 [[ 1.          0.          0.          0.5         0.        ]
  [ 0.          1.          0.25        0.          0.2       ]
  [ 0.          0.25        1.          0.          0.25      ]
  [ 0.5         0.          0.          1.          0.        ]
  [ 0.          0.2         0.25        0.          1.        ]]

 [[ 9.          9.         21.          9.          9.        ]
  [ 9.          9.         21.          9.          9.        ]
  [21.         21.         49.         21.         21.        ]
  [ 9.          9.         21.          9.          9.        ]
  [ 9.          9.         21.          9.          9.        ]]

 [[ 0.80952381  0.          0.          0.47619048  0.        ]
  [ 0.          1.66666667  0.66666667  0.          0.33333333]
  [ 0.          0.66666667  3.03333333  0.          0.66666667]
  [ 0.47619048  0.          0.          0.80952381  0.        ]
  [ 0.          0.33333333  0.66666667  0.          1.66666667]]]

如何在（n，5，5，4）中重塑数据集

Answer 1

您可以使用以下代码从第一个频道转到最后一个频道：

import numpy as np

n = 5
data = np.random.randn(n, 4, 5, 5)

print(data.shape) # output - (5, 4, 5, 5)

data_in = np.moveaxis(data, 1, -1)

print(data_in.shape) # output - (5, 5, 5, 4)

Answer 2

可以使用np.transpose来排列数组的维度：

reshaped_dataset = dataset.transpose(0, 2, 3, 1)

如果dataset的轴代表(n, channel, width, height)，那么reshaped_dataset的轴代表(n, width, height, channel)。你知道吗