Python numpy.reshape(-1)의 의미

cs231n assignment#1

CIFAR-10 data

#Reshape the image data into rows

X_train = np.reshape(X_train, (X_train.shape[0], -1))

X_test = np.reshape(X_test, (X_test.shape[0], -1))

print(X_train.shape, X_test.shape)

//result: (5000, 3072) (500, 3072)

---

basic form: np.reshape( data, (row, column))

data를 row * column form으로 reshape한다.

위 cs231n code에 의하면, CIFAR-10 Image data를 하나의 긴 vector form으로 바꿔 다루고자 numpy의 reshape을 사용한 것이다.

CIFAR-10 Image data인 X_train의 본래 shape: (5000, 32, 32, 3) <- num training = 5000

X_train = np.reshape(X_train, (X_train.shape[0], -1))

코드 해석: X_train 데이터를 5000* ? form으로 바꾸자.

#-1 의 의미

-1은 data의 dimension을 모를 때 유용하게 사용할 수 있다. row 또는 column 중 하나만 값을 정해주고 나머지에 -1을 넣어준다면, 정해준 값에 맞춰서 reshape이 이뤄진다.

예를 들어,

a 라는 array가 있을 때, 이 array의 form을 모르는 상황이다.

a array를 3줄로 바꾸고 싶을 때! (row가 3줄이면 되는 상황, column수는 상관없다!)

np.array(a, (3,-1))

//result:   array([[1,2],

[3,4],

[5,6]])

//a 는 range 1~6 을 갖는 array였군요.

cs231n의 코드를 다시 보면,

X_train = np.reshape(X_train, (X_train.shape[0], -1))

32*32*3 form의 5000개 data를

column 상관없이 5000개의 row를 맞췄으니, 32*32*3(3072) 배열로 이뤄져있던 data가 하나의 긴 vector로 reshape된 것이다.