将批处理矩阵（3d 数组，每个矩阵是一个图像）重塑为 2d（图像网格）

Question

假设我们有一个 3d 数组 A.shape = (100, 5, 5)，每个小矩阵 (5,5) 是一个图像，现在我想将这个 3d 数组重塑为图像的正方形网格 B.shape=(50,50)，这样图像就会被布置成 10*10 的网格。

我可以使用 np.stack 类工具来完成此操作，但我想知道是否可以使用 np.einsum 来完成此操作？

Answer 1

哦，我想我刚刚想通了

A = np.einsum('ijk->jik', A.reshape(10,50,5)).reshape(50,50); 
pl.imshow(A); 
pl.show()

Answer 2

有两个简单的解决方案。你的和它的 "transpose":

示例：

>>> ABCD.shape
(4, 41, 27)
>>> AC_BD = np.einsum('jik', ABCD.reshape(2, 82, 27)).reshape(82, 54)
>>> AB_CD = np.einsum('ikjl', ABCD.reshape(2, 2, 41, 27)).reshape(82, 54)
>>> Image.fromarray(AC_BD).show()
>>> Image.fromarray(AB_CD).show()

将批处理矩阵（3d 数组，每个矩阵是一个图像）重塑为 2d（图像网格）

reshape batch matrices (3d array, each matrix is an image) to 2d (a grid of images)

numpy

numpy-einsum