Reshape

يعيد تشكيل الموتر.

بالنظر إلى "الموتر"، تُرجع هذه العملية موترًا له نفس قيم "الموتر" ذو الشكل "الشكل".

إذا كان أحد مكونات "الشكل" للموتر أحادي الأبعاد هو القيمة الخاصة -1، فسيتم حساب حجم ذلك البعد بحيث يظل الحجم الإجمالي ثابتًا. على وجه الخصوص، يتم تسطيح "الشكل" `[-1]` إلى 1-D. قد يكون أحد مكونات "الشكل" غير معروف على الأكثر.

يجب أن يكون "الشكل" أحادي الأبعاد وترجع العملية موترًا ذو شكل "شكل" مملوء بقيم "الموتر". في هذه الحالة، يجب أن يكون عدد العناصر التي يتضمنها "الشكل" هو نفس عدد العناصر في "الموتر".

من الخطأ أن يكون "الشكل" ليس أحادي البعد.

على سبيل المثال:

# tensor 't' is [1, 2, 3, 4, 5, 6, 7, 8, 9]
 # tensor 't' has shape [9]
 reshape(t, [3, 3]) ==> [[1, 2, 3],
                         [4, 5, 6],
                         [7, 8, 9]]
 
 # tensor 't' is [[[1, 1], [2, 2]],
 #                [[3, 3], [4, 4]]]
 # tensor 't' has shape [2, 2, 2]
 reshape(t, [2, 4]) ==> [[1, 1, 2, 2],
                         [3, 3, 4, 4]]
 
 # tensor 't' is [[[1, 1, 1],
 #                 [2, 2, 2]],
 #                [[3, 3, 3],
 #                 [4, 4, 4]],
 #                [[5, 5, 5],
 #                 [6, 6, 6]]]
 # tensor 't' has shape [3, 2, 3]
 # pass '[-1]' to flatten 't'
 reshape(t, [-1]) ==> [1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4, 5, 5, 5, 6, 6, 6]
 
 # -1 can also be used to infer the shape
 
 # -1 is inferred to be 9:
 reshape(t, [2, -1]) ==> [[1, 1, 1, 2, 2, 2, 3, 3, 3],
                          [4, 4, 4, 5, 5, 5, 6, 6, 6]]
 # -1 is inferred to be 2:
 reshape(t, [-1, 9]) ==> [[1, 1, 1, 2, 2, 2, 3, 3, 3],
                          [4, 4, 4, 5, 5, 5, 6, 6, 6]]
 # -1 is inferred to be 3:
 reshape(t, [ 2, -1, 3]) ==> [[[1, 1, 1],
                               [2, 2, 2],
                               [3, 3, 3]],
                              [[4, 4, 4],
                               [5, 5, 5],
                               [6, 6, 6]]]
 
 # tensor 't' is [7]
 # shape `[]` reshapes to a scalar
 reshape(t, []) ==> 7