张量高维的显示和理解

高维张量的显示

一般主要在图像n_img，h，w，n_box，n_loc

n_img:n张图象
h
w
n_box：每个坐标点n个盒子
n_loc：每个盒子的坐标,4表示x,y,h,w
共5个维度

为了便于理解，可以看以下
案例：（2，2，2，4，4）
2张图片2X2的大小，每点4个盒子，每个盒子4个坐标

理解：张量数据的具体显示从后面往前看
首先：4X4表示一个点的盒子和坐标
[[ ]]二维
然后：2X4X4表示横向（宽度）2个点的盒子坐标
[ [ [ ] ] ]三维
2个4X4
再然后：2X2X4X4表示一幅图像的所有点的盒子坐标
2个2个4X4四维
最后： 2X2X2X4X4幅图像的所有点的盒子坐标

备注：将几个a维度的装在一起，最后的维度会加1

实例

//存放64个数，shape(64)
a=np.array([1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,
            1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16])

//变换为5维张量，shape(2,2,2,4,4)
b=a.reshape(2,2,2,4,4)
//打印5维张量的数据，可以看看
print(b)

[[[[[ 1  2  3  4]
    [ 5  6  7  8]
    [ 9 10 11 12]
    [13 14 15 16]]//4X4

   [[ 1  2  3  4]
    [ 5  6  7  8]
    [ 9 10 11 12]
    [13 14 15 16]]]//第一个2X4X4


  [[[ 1  2  3  4]
    [ 5  6  7  8]
    [ 9 10 11 12]
    [13 14 15 16]]

   [[ 1  2  3  4]
    [ 5  6  7  8]
    [ 9 10 11 12]
    [13 14 15 16]]]]//第二个2X4X4
                    //也就是第一个2X2X4X4



 [[[[ 1  2  3  4]
    [ 5  6  7  8]
    [ 9 10 11 12]
    [13 14 15 16]]

   [[ 1  2  3  4]
    [ 5  6  7  8]
    [ 9 10 11 12]
    [13 14 15 16]]]


  [[[ 1  2  3  4]
    [ 5  6  7  8]
    [ 9 10 11 12]
    [13 14 15 16]]

   [[ 1  2  3  4]
    [ 5  6  7  8]
    [ 9 10 11 12]
    [13 14 15 16]]]]] //就是第二个2X2X4X4
                      //合起来就是2 X2X2X4X4

//现在取最后一维度的索引0的数值，可以想象为x坐标
//每张图所有点的盒子的x坐标
//方便理解直接看最后两个维度4X4 ，此处为 ：X0，取出二维数组所有行的第一列
print(b[:,:,:,:,0])
//现在是四维，2 2 2 4
[[[[ 1  5  9 13]
   [ 1  5  9 13]]

  [[ 1  5  9 13]
   [ 1  5  9 13]]]


 [[[ 1  5  9 13]
   [ 1  5  9 13]]

  [[ 1  5  9 13]
   [ 1  5  9 13]]]]

不对和不足之处，待补充