目前，我正在开发一个能够对Street View House Number数据集（http://ufldl.stanford.edu/housenumbers/）中的数字进行分类的神经网络。目前，我只是尝试在类似于MNIST数据集的第二种格式上进行操作。

我遇到的问题是，训练和测试样本数组的形状是（高度，高宽，通道，样本数），而不是我想要的（样本数，高度，宽度，通道）。

有没有一种简单的方法可以重塑数组到我想要的形状，而不需要使用许多嵌套循环？

回答：

我不确定你试图重塑的对象是Tensor还是numpy.ndarray。

如果它是一个numpy.ndarray，你可以使用np.transpose。例如：

import numpy as npa = np.zeros((299, 299, 3, 50))print(a.shape)  # (299, 299, 3, 50) H x W x C x Mb = np.transpose(a, [3, 0, 1, 2])print(b.shape)  # (50, 299, 299, 3)

如果它是一个Tensor，你可以使用tf.transpose以与np.transpose完全相同的方式更改维度的顺序。例如：

import tensorflow as tfa = tf.zeros((299, 299, 3, 50), dtype=tf.int32)print(a.shape.as_list())  # [299, 299, 3, 50]b = tf.transpose(a, [3, 0, 1, 2])print(b.shape.as_list())  # [50, 299, 299, 3]