shape大概有3种
——————————————————————————————
(2,)
有一个数字,表示数组只有1个维度
'2’说明有这个维度上有2个元素
array = np.array([996,888])
——————————————————————————————
(2,3)
有两个数字,表示数组有2个维度,可以理解为我们熟悉的矩阵
‘2’说明第一个维度上有2个元素,可以理解为矩阵有2行;
‘3’说明第二个维度上有3个元素,可以理解为矩阵每一行上有3个元素
array = np.array([[1,2,3],[996,110,120]])
——————————————————————————————
(2,3,4)
有三个数字,表示数组有3个维度,可以理解为(🐔木机)
‘2’说明第一个维度上有2个元素
‘3’说明第二个维度上有3个元素
'4’说明第三个维度上有4个元素
<可以理解为 有2张纸(第一个维度),每张纸上有一个3*4的矩阵>
array = np.array([[[1,2,3,4],[996,110,120,0],[0,0,0,0]],
[[5,6,7,8],[996,110,120,0],[0,0,0,0]]])
——————————————————————————————
p.s.
四维就理解为:有几张桌子,每个桌子上有几张纸,每张纸上有一个矩阵
如果是在机器学习中,可以理解为多少样本,多少测试次数,多少测试场景 .etc 随意自己怎么类比到现实的情景