WOLFRAM

Wolfram 语言与系统参考资料中心

ReshapeLayer[dims]

表示一个网络层，将输入重新诠释为维数为 dims 的数组.

更多信息和选项
Details and Options Details and Options
范例  
基本范例  
范围  
应用  
属性和关系  
可能存在的问题  
互动范例  
巧妙范例  
参见
技术笔记
相关指南
历史
按以下格式引用：

ReshapeLayer

ReshapeLayer[dims]

表示一个网络层，将输入重新诠释为维数为 dims 的数组.

更多信息和选项

  • ReshapeLayer 开放下列端口以便用在 NetGraph 等中：
  • "Input"任意秩的数组
    "ReferenceShape"从数组中复制形状（可选）
    "Output"重塑后的数组
  • 在 ReshapeLayer[spec] 中，允许使用以下 spec：
  • {dim1,…}明确指定尺寸
    "ReferenceShape"为 "Reference" 端口提供的数组维度
  • 在 ReshapeLayer[dims] 中，列表 dims 中允许有以下元素：
  • n显式指定大小
    Inherited复制输入的大小
    Automatic根据其他维度的大小推断大小
    All从输入复制余下维度的大小
  • 维度列表中只能出现一个 Automatic 或一个 All.
  • 输入数组中元素的总数等于输出数组中元素的总数.
  • ReshapeLayer 通常会根据其在 NetChain 等中的上下文推断其输入的维度. 要将维度明确指定为 {n1,n2,…}，使用 ReshapeLayer["Input"->{n1,n2,…}].
  • ReshapeLayer[…][input] 明确计算将该网络层应用于 input 的输出.
  • ReshapeLayer[…][{input1,input2,…}] 明确计算每个 inputi 的输出.
  • 使用 "ReferenceShape" 重塑规格，输入可以是 ReshapeLayer[…][<|"Input"input,"ReferenceShape"ref|>] 或 ReshapeLayer[…][<|"Input"{input1,…},"ReferenceShape"{ref1,…}|>].
  • 当输入 NumericArray 时，输出将是 NumericArray.
  • Options[ReshapeLayer] 给出了构建网络层的默认选项列表. Options[ReshapeLayer[…]] 给出了默认选项列表，以便根据某些数据对网络层进行运算.
  • Information[ReshapeLayer[…]] 给出该网络层的报告.
  • Information[ReshapeLayer[…],prop] 给出 ReshapeLayer[…] 属性 prop 的值. 可能的属性和 NetGraph 的相同.

范例

打开所有单元 关闭所有单元

基本范例  (3)

创建 ReshapeLayer 将任意输入的形状改变为 2x3 矩阵：

Wolfram Language code: ReshapeLayer[{2, 3}]

创建 ReshapeLayer 将任意输入的形状变成 2x3 矩阵：

Wolfram Language code: reshape = ReshapeLayer[{2, 3}]

将该层应用于矢量：

Wolfram Language code: reshape[{1, 2, 3, 4, 5, 6}]

将该层应用于 4 阶数组：

Wolfram Language code: reshape[{{{{1, 2}, {3, 4}, {5, 6}}}}]

创建一个 ReshapeLayer 重塑长度为 1 的向量为单个数字：

Wolfram Language code: reshape = ReshapeLayer[{}, "Input" -> 1]

把层应用于输入：

Wolfram Language code: reshape[{9.}]

范围  (5)

创建一个 ReshapeLayer，调整对特定大小的输入数组进行调整：

Wolfram Language code: reshape = ReshapeLayer[{4}, "Input" -> {1, 1, 4}]

对向量应用该层：

Wolfram Language code: reshape[{{{1, 2, 3, 4}}}]

创建一个 ReshapeLayer，把一个数字调整为 1×1 的矩阵：

Wolfram Language code: reshape = ReshapeLayer[{Inherited, 2, 2}, "Input" -> {6, 1, 4}]

把层应用于维度为 6×1×4 的数组：

Wolfram Language code: reshape@RandomReal[1, {6, 1, 4}]
Wolfram Language code: Dimensions@%

创建一个 ReshapeLayer 复制输入的第一个维度大小并根据其他推断第四维度的大小：

Wolfram Language code: reshape = ReshapeLayer[{Inherited, 1, 8, Automatic}, "Input" -> {6, 4, 4}]

把层应用于维度为 6×4×4 的数组：

Wolfram Language code: reshape@RandomReal[1, {6, 4, 4}];
Wolfram Language code: Dimensions@%

创建一个 ReshapeLayer，在数组的最深层添加大小为 1 的维数：

Wolfram Language code: reshape = ReshapeLayer[{All, 1}]

将图层应用于输入：

Wolfram Language code: reshape[{{1, 2, 3}, {4, 5, 6}}]

创建一个 ReshapeLayer，重塑输入，使其与参考数组的形状相匹配：

Wolfram Language code: reshape = ReshapeLayer["ReferenceShape"]

将网络层应用于该数组和参考数组：

Wolfram Language code: reshape[<|"Input" -> {-1., 0., 1.}, "ReferenceShape" -> {{.4}, {-.2}, {7.2}}|>]

应用  (1)

创建一个 ReshapeLayer，获取 32×32 RGB 图像并返回 96×32 灰度图像：

Wolfram Language code: reshape = ReshapeLayer[{1, Automatic, Inherited}, "Input" -> NetEncoder[{"Image", 32}], "Output" -> NetDecoder["Image"]]
Wolfram Language code: reshape[[image]]

属性和关系  (3)

可以用 ReshapeLayer 来实现 FlattenLayer. 通过将2×3×3 数组调整成正确的输出维度，把它的前两个维度压平：

Wolfram Language code: input = RandomInteger[1, {2, 3, 3}]; input//MatrixForm
Wolfram Language code: ReshapeLayer[{6, Automatic}][input]//MatrixForm
Wolfram Language code: FlattenLayer[1][input]//MatrixForm

当输入大小由 NetReplacePart 改变，规范 Automatic 和 Inherited 允许 ReshapeLayer 重新计算输出大小. 创建一个 ReshapeLayer：

Wolfram Language code: reshape = ReshapeLayer[{2, Inherited, 3, Automatic}, "Input" -> {24, 5}]

改变输入大小：

Wolfram Language code: NetReplacePart[reshape, "Input" -> {12, 5}]

如果用固定的规范创建同样的 ReshapeLayer，调整大小会导致失败：

Wolfram Language code: reshape = ReshapeLayer[{2, 5, 3, 4}, "Input" -> {24, 5}]
Wolfram Language code: NetReplacePart[reshape, "Input" -> {12, 5}]

对于整数维度规范，ReshapeLayer 计算：

Wolfram Language code: reshape[array_, dims_] := ArrayReshape[array, dims];

对相同数据进行计算：

Wolfram Language code: data = {1, 2, 3, 4}; dims = {2, 2}; ReshapeLayer[dims]@data//Normal reshape[data, dims]

可能存在的问题  (2)

输入中的元素总数必须等于输出的元素总数.

Wolfram Language code: reshape = ReshapeLayer[{2, 2}][{1, 2, 5}]

在维度规范中只允许一个 Automatic，多个会导致输出大小的模糊性：

Wolfram Language code: ReshapeLayer[{2, Automatic, Automatic}, "Input" -> {2, 4, 4}]

互动范例  (1)

通过操作行数和列数将列表重新整形为矩阵：

Wolfram Language code: Manipulate[ Grid[ReshapeLayer[{rows, columns}][Range[rows * columns]]], {{rows, 3}, 1, 7, 1}, {{columns, 5}, 1, 7, 1}]

巧妙范例  (2)

创建一个数字列表：

Wolfram Language code: n = 8; list = Subdivide[0., 1., n - 1]

计算所有可能的三维形状：

Wolfram Language code: shapes = Flatten[ Table[{i, j, n / (i j)}, {i, Divisors[n]}, {j, Divisors[n / i]}], 1]

将列表重塑为深度为 3 的数组，并使用 Image3D 将结果可视化：

Wolfram Language code: Labeled[Image3D[ReshapeLayer[#][list], ImageSize -> Tiny, ColorFunction -> "LightTemperatureMap"], Row[#, "×"]]& /@ shapes

以各种方式重塑列表：

Wolfram Language code: n = 12; list = Range[n]; shapes = Map[{n / #, #}&, Divisors[n]]; Labeled[Grid[ReshapeLayer[#][list], Dividers -> LightGray], Row[#, "×"]]& /@ shapes
Wolfram Research (2016)，ReshapeLayer，Wolfram 语言函数，https://reference.wolfram.com/language/ref/ReshapeLayer.html （更新于 2025 年）.

文本

Wolfram Research (2016)，ReshapeLayer，Wolfram 语言函数，https://reference.wolfram.com/language/ref/ReshapeLayer.html （更新于 2025 年）.

CMS

Wolfram 语言. 2016. "ReshapeLayer." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2025. https://reference.wolfram.com/language/ref/ReshapeLayer.html.

APA

Wolfram 语言. (2016). ReshapeLayer. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/ReshapeLayer.html 年

BibTeX

@misc{reference.wolfram_2026_reshapelayer, author="Wolfram Research", title="{ReshapeLayer}", year="2025", howpublished="\url{https://reference.wolfram.com/language/ref/ReshapeLayer.html}", note=[Accessed: 08-November-2026]}

BibLaTeX

@online{reference.wolfram_2026_reshapelayer, organization={Wolfram Research}, title={ReshapeLayer}, year={2025}, url={https://reference.wolfram.com/language/ref/ReshapeLayer.html}, note=[Accessed: 08-November-2026]}