版权声明：本文为博主原创文章，引用时请附上链接。 https://blog.csdn.net/abc13526222160/article/details/85867777
函数原型：目的是为了功能改变张量（tensor）的形状。
tf.reshape(
tensor,
shape,
name=None
)
tensor形参传入一个tensor。shape传入一个向量，代表新tensor的维度数和每个维度的长度。如果传入[3,4,5]，就会返回一个内含各分量数值和原传入张量一模一样的3*4*5尺寸的张量。如果
shape传入的向量某一个分量设置为-1，比如[-1,4,5]，那么这个分量代表的维度尺寸会被自动计算出来。
- 用法一，一个尺寸为1*9的张量转化为3*3的张量：
#coding:utf-8
import tensorflow as tf
t=[1,2,3,4,5,6,7,8,9]
with tf.Session() as sess:
print (sess.run(tf.reshape(t,[3,3])))
输出结果：
(tf14) zhangkf@Ubuntu2:~$ python o.py
[[1 2 3]
[4 5 6]
[7 8 9]]
- 用法二，一个尺寸为3 * 2 * 3的张量，转换为第二个维度尺寸为9的张量，即n*9的张量：
#coding:utf-8
import tensorflow as tf
t=[[[1,2],[1,2],[1,2]],[[1,2],[1,2],[1,2]],[[1,2],[1,2],[1,2]]]
with tf.Session() as sess:
print (sess.run(tf.reshape(t,[-1,9])))
输出结果：显然，n被计算为2。
(tf14) zhangkf@Ubuntu2:~$ python o.py
[[1 2 1 2 1 2 1 2 1]
[2 1 2 1 2 1 2 1 2]]
- 用法三，仅含有单个元素的张量转化为标量：
t为张量[7]
#coding:utf-8
import tensorflow as tf
t=[7]
with tf.Session() as sess:
print (sess.run(tf.reshape(t,[])))
输出结果：
(tf14) zhangkf@Ubuntu2:~$ python o.py
7
_image = tf.reshape(x, [-1,28, 28, 1])# -1表示任意数量的样本数,大小为28x28深度为一的张量
# 可以忽略(其实是用深度为28的,28x1的张量,来表示28x28深度为1的张量)