Reshape

یک تانسور را تغییر شکل می دهد.

با توجه به «تانسور»، این عملیات تانسوری را برمی‌گرداند که مقادیری مشابه «تانسور» با شکل «شکل» دارد.

اگر یکی از اجزای «شکل» تانسور 1 بعدی مقدار ویژه -1 باشد، اندازه آن بعد محاسبه می‌شود تا اندازه کل ثابت بماند. به طور خاص، یک "شکل" از "[-1]" به 1-D مسطح می شود. حداکثر یک جزء از "شکل" ممکن است ناشناخته باشد.

«شکل» باید 1-D باشد و این عملیات یک تانسور با شکل «شکل» پر از مقادیر «تانسور» را برمی‌گرداند. در این مورد، تعداد عناصر مستلزم «شکل» باید با تعداد عناصر «تانسور» برابر باشد.

اگر «شکل» یک بعدی نباشد، خطا است.

به عنوان مثال:

# 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