关于python：numpy整形中的-1是什么意思？

What does -1 in numpy reshape mean?

本问题已经有最佳答案，请猛点这里访问。

1 2	I have a numpy array (A) of shape = (100000, 28, 28) I reshape it using A.reshape(-1, 28x28)

这在机器学习管道中非常普遍。
这是如何运作的？我从不了解重塑中的" -1"的含义。

一个确切的问题是
但没有确切的解释。有什么答案吗？

相关讨论

在numpy中，创建一个100X100项的矩阵，如下所示：

1
2
3

import numpy as np
x = np.ndarray((100, 100))
x.shape # outputs: (100, 100)

numpy在内部将所有这10000个项目存储在10000个项目的数组中，而与该对象的形状无关，这使我们可以将此数组的形状更改为任意尺寸，只要该数组上的项目数不变

例如，将对象重塑为10X1000就可以了，因为我们保留了10000个项目：

1	x = x.reshape((10, 1000))

重塑为10X2000无法正常工作，因为列表中没有足够的项目

1 2	x.reshape((10, 2000)) ValueError: total size of new array must be unchanged

回到-1问题，它是未知维的表示法，其含义是：
让numpy用正确的值填充缺失的维度，以便我的数组保留相同数量的项目。

所以这：

1	x = x.reshape((10, 1000))

等效于此：

1	x = x.reshape((10, -1))

在内部，numpy所做的只是计算10000 / 10以获取缺少的尺寸。

-1甚至可以位于数组的开头或中间。

以上两个示例与此等效：

1	x = x.reshape((-1, 1000))

如果我们尝试将二维标注为未知，则numpy将引发异常，因为它不知道我们的意思，因为有多种方法可以改变数组的形状。

1 2	x = x.reshape((-1, -1)) ValueError: can only specify one unknown dimension