改变张量的维度(两种方式：指定具体行列数；用-1代替行或列)

改变张量（如numpy数组或TensorFlow张量）的维度通常涉及重塑（reshape）操作。有两種常见的方法：

1. **指定具体行列数**：
- 使用`numpy.reshape()`函数，你可以提供新的形状作为参数。例如，如果你有一个一维数组代表一系列数据点，可以将其重塑为一个特定大小的二维矩阵，比如 `(行数, 列数)`。例如：

     import numpy as np
     arr = np.array([1, 2, 3, 4, 5])
     new_shape = (2, 3)
     reshaped_arr = arr.reshape(new_shape)

2. **用-1代替行或列**：
- 当不确定新维度的具体值，特别是当你需要计算剩余的自由维度时，可以使用 `-1` 表示“自动填充”。例如，如果你想要将一个一维数组变为矩阵，但不知道确切的列数，可以这样做：

     reshaped_arr = arr.reshape(-1, len(arr) // -1)

`//` 运算符用于整除，确保列数是一个整数。

需要注意的是，重塑操作会尝试保留元素的数量不变，如果新的形状不符合现有元素的数量，可能会报错。此外，张量在某些库（如PyTorch）中也有类似的操作，如`torch.Tensor.view()`。