numpy数组中reshape和squeeze函数的使用

参考了：http://blog.csdn.net/zenghaitao0128/article/details/78512715，作了一些自己的补充。

numpy中的reshape函数和squeeze函数是深度学习代码编写中经常使用的函数，需要深入的理解。

其中，reshape函数用于调整数组的轴和维度，而squeeze函数的用法如下，

语法：numpy.squeeze(a,axis = None)

 1）a表示输入的数组；
 2）axis用于指定需要删除的维度，但是指定的维度必须为单维度，否则将会报错；
 3）axis的取值可为None 或 int 或 tuple of ints, 可选。若axis为空，则删除所有单维度的条目；
 4）返回值：数组
 5) 不会修改原数组；
作用：从数组的形状中删除单维度条目，即把shape中为1的维度去掉
 

举例：

numpy的reshape和squeeze函数：

import numpy as np
e = np.arange(10)
print(e)

一维数组：[0 1 2 3 4 5 6 7 8 9]

f = e.reshape(1,1,10)
print(f)

三维数组：（第三个方括号里有十个元素）

[[[0 1 2 3 4 5 6 7 8 9]]]，前两