重塑数组内不同维度的numpy数组

Question

因此任务是使用 PSO 优化神经网络。 PSO 需要所有权重和偏差的一维列表，例如 [0.1 0.244 ... 0.214]。 NN 需要一个具有不同维度的数组，例如 [[x,y], [m,n], ...(所有隐藏层矩阵)...,[p,q]] X 和 y 是输入层的维度，然后是所有隐藏层，最后是 p 和 q - 输出层的维度。

我可以轻松地展平数组以将其传递给 PSO，但我需要一种方法来获取修改后的数组并将其重新整形为与 NN 中的起始数组具有相同维度的同一数组数组。

维度取决于一层中神经元的数量，我们从一开始就有这些信息。

我试图跟踪形状数组并创建一个索引数组来知道何时停止，但它似乎不起作用。我现在正在尝试切片，但还没有雪茄。也可以对 NN 进行修改，但如何创建它以使其采用预定义的权重列表？可能有一个非常好的和有效的方法来做到这一点，但我还没有想到它...有什么建议吗？

示例：

a = np.array([1,2,3])
b = np.array([7,8,9,10])
c = np.array([12,13,14,15,16])
b.reshape(2,2)
arr = []
arr.append(a)
arr.append(b)
arr.append(c)

这是一个非常简单的示例，说明了神经网络使用权重列表时的含义 - 多维数组列表。如有必要，可以使用 np.asarray(arr) 将 Arr 转换为对象的 numpy 数组。

展平很容易，我是这样做的（可能有更好的不需要循环的，如果你知道，如果你分享，我将不胜感激）。

扁平化：

new_arr = np.array([])
for i in range(len(arr)):
    new_arr = np.append(arr, arr[i].flatten())

我的问题是如何将 new_arr 放回原处以看起来像 arr，是否有一种漂亮而快速的方法来做到这一点。

Answer 1

您可以将形状保存在变量中（它只是一个元组）。尝试类似的东西：

...
old_shape = arr.shape

# ... do flattening here

new_arr.reshape(old_shape)

Answer 2

new_arr = np.array([])
shapes=[]
for i in range(len(arr)):
    new_arr = np.append(new_arr, arr[i].flatten())
    shapes.append(arr[i].shape)

#do whatever

restoredArray =[]
offset=0
for i in range(len(shapes)):
    s = shapes[i]
    n = np.prod(s)
    restoredArray.append(new_arr[offset:(offset+n)].reshape(s))
    offset+=n

重塑数组内不同维度的numpy数组

Reshaping numpy arrays of differing dimensions inside an array

python

arrays

numpy

neural-network

particle-swarm