shape是属性，而reshape是一个方法。
shape
比如数组A = np.array([[1, 2 ,3 ,4],[3,6,4,2]])
其中shape【0】 表示第一维的大小，shape【1】表示第二位的大小依次类推
<———————————————————————————————–>
reshape
主要作用将数组A进行变形
只要是变换后各个维度大小 等于 原数组的大小就行如 6×2 = 12
这里的-1 就是已经确定好了其他维度的大小 余下这个维度为-1 系统可以自适应的进行变形。
同时通过变形可以发现数组的物理存放特征：线性。
<link rel="stylesheet"
shape是属性，而reshape是一个方法。
shape
比如数组A = np.array([[1, 2 ,3 ,4],[3,6,4,2]])
其中shape【0】 表示第一维的大小，shape【1】表示第二位的大小依次类推
<———————————————————————————————–>
reshape
主要作用将数组A进行变形
只要是变换后各个维度大小 等于 原数组的大小就行如 6×2 = 12
这里的-1 就是已经确定好了其他维度的大小 余下这个维度为-1 系统可以自适应的进行变形。
同时通过变形可以发现数组的物理存放特征：线性。
<link rel="stylesheet"