Reshape

একটি টেনসরকে পুনরায় আকার দেয়।

প্রদত্ত `টেনসর`, এই ক্রিয়াকলাপটি একটি টেনসর প্রদান করে যার মান `আকৃতি` সহ `টেনসর` এর মতো একই মান রয়েছে।

যদি 1-D টেনসর `আকৃতি` এর একটি উপাদান বিশেষ মান -1 হয়, তাহলে সেই মাত্রার আকার গণনা করা হয় যাতে মোট আকার স্থির থাকে। বিশেষ করে, `[-1]` এর একটি `আকৃতি` 1-D তে সমতল হয়। `আকৃতি` এর সর্বাধিক একটি উপাদান অজানা হতে পারে।

`আকৃতি` অবশ্যই 1-D হতে হবে এবং অপারেশনটি `টেনসর` এর মান দিয়ে ভরা আকৃতি `আকৃতি` সহ একটি টেনসর প্রদান করে। এই ক্ষেত্রে, `আকৃতি` দ্বারা উহ্য উপাদানের সংখ্যা অবশ্যই `টেনসর`-এর উপাদানের সংখ্যার সমান হতে হবে।

এটি একটি ত্রুটি যদি `আকৃতি` 1-D না হয়।

যেমন:

# 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