numpy和Keras中“重塑”功能的区别

Question

我的情况是使用 FCN 进行像素级预测，我有 7 个类，所以我输入图像 512*512，然后提供 512*512*7 供模型预测，我想根据（高度宽度通道）以保存最终结果。由于我最后使用通道，所以输入形状对我来说很有意义。但是我认为 Keras 拆分出来的输出形状的形式是：                 (channels*height *width).我的尝试是使用“重塑”功能并且它有效......这真的让我感到困惑，在我的实验中，当我使用重塑功能时，图像会完全搞砸，在这种情况下，结果真的很有效很好（在 Keras 中使用 reshape 函数）。pr = m.predict( np.array([X]))[0]#reshape to channel last and take the largest index in 7 predictions for each piexl pr = pr.reshape(( output_height ,  output_width , n_classes ) ).argmax(axis=-1)我期望应该很好地工作的方式应该是像 np moveaxis 或 numpy.rollaxis 这样的东西。提前致谢！