`tf.reshape(a，[m，n])`与`tf.transpose(tf.reshape(a，[n，m])‘？

Question

实际上，我正在古瑟拉做deeplearning.ai的“神经式迁移的艺术生成”的作业。在函数compute_layer_style_cost(a_S, a_G):中

a_S = tf.reshape(a_S, [n_H*n_W, n_C])
a_G = tf.reshape(a_G, [n_H*n_W, n_C])

GS = gram_matrix(tf.transpose(a_S))
GG = gram_matrix(tf.transpose(a_G))

然而，为什么这段代码给出了正确的答案，但以下内容却没有：

a_S = tf.reshape(a_S, [n_C, n_H*n_W])
a_G = tf.reshape(a_G, [n_C, n_H*n_W])

GS = gram_matrix(a_S)
GG = gram_matrix(a_G)

Answer 1

下面是一个简单的示例，它显示了这两个表达式之间的区别：

import tensorflow as tf
tf.InteractiveSession()

x = tf.range(0, 6)
a = tf.reshape(x, [3, 2])
b = tf.transpose(tf.reshape(x, [2, 3]))

print(x.eval())
print(a.eval())
print(b.eval())

结果：

[0 1 2 3 4 5]

[[0 1]
 [2 3]
 [4 5]]

[[0 3]
 [1 4]
 [2 5]]

您可以注意到，a和b是不同的，尽管它们的形状是相同的。这是因为，第一种方法将x“拆分”为[0 1]、[2 3]和[4 5]，而第二种则重塑为[0 1 2]和[3 4 5]。