reshape(-1, 1

`reshape(-1, 1)`是将数组或矩阵的形状改变为(-1, 1)的操作。其中-1表示这个维度的大小由函数自动推导得出，而1表示这个矩阵只有一列。具体来说，reshape函数将原来的数组或矩阵按照行优先的顺序展开成一个一维数组，然后再按照新指定的形状重新排列成一个新的数组或矩阵。在这个例子中，reshape(-1, 1)的作用是将原来的train_data['Sold Price']数组或矩阵变成只有一列的矩阵，因为通常神经网络的输入是一个二维矩阵，所以这个reshape操作通常是用于将数据准备成神经网络的输入形式。

相关问题

reshape -1

如果在reshape函数中的newshape参数中使用-1，那么Numpy会根据数组的长度和其他维度来自动计算补足缺失的值。举个例子，如果有一个数组z，它的shape属性是(4, 4)，那么使用z.reshape(-1)会将数组展平成一个一维数组，结果是[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16]。而使用z.reshape(-1, 1)会将数组转换成只有一列，行数根据数组长度自动计算得到，结果是一个新的数组，shape属性为(16, 1)，与原来的(4, 4)配套。

torch.reshape -1

`torch.reshape`函数用于重新调整张量的形状。当我们在调用`torch.reshape`时，可以使用参数`-1`来表示该维度的大小应该由张量本身的大小和其他维度来推断出来。

具体来说，如果我们将张量的形状中的某个维度指定为`-1`，PyTorch会根据张量的总元素数量和其他维度的大小自动计算出该维度的大小。

下面是一个示例：

import torch

x = torch.randn(2, 3, 4)
y = torch.reshape(x, (-1, 4))  # 将x重新调整为2行4列的张量
print(y.shape)  # 输出: torch.Size([6, 4])

在上面的例子中，我们将原始张量`x`的形状从`(2, 3, 4)`调整为`(6, 4)`。通过将第一个维度指定为`-1`，PyTorch根据总元素数量和其他维度的大小确定了第一个维度的大小为6。

注意，使用`-1`来调整形状时，只允许一个维度被指定为`-1`，其他维度必须指定具体的大小。此外，调整后张量的总元素数量必须与原始张量保持一致，否则会引发错误。