np.expand_dims()

1. 定义
   numpy.expand_dims(a, axis)
   该功能是改变数组维度，在axis参数指定的axis维度添加新的axis，从而为了未来的深度学习中选用适当的维度的tensor。与np.squeeze()函数互为逆操作。
   参数：
   a：array_like
   axis： int 或 int的tuple
   返回：
   result：ndarray
2. 使用示例
   这里举两个例子，对于一维数组和二维矩阵的维度扩展。

• 例子1

x = np.array([1,2,3])
print(x.shape)
y = np.expand_dims(x,axis=0)
print(y.shape)

输出结果：
(3,)
(1, 3)

• 例子2

x = np.array([[1,2,3],[4,5,6]])
print(x.shape)
y = np.expand_dims(x,axis=(1,0))# 在axis=0和axis=1两个维度上进行维度加1
print(y.shape)

输出结果：
(2, 3)
(1, 1, 2, 3)

3. 题外话
   其实刚开始用numpy的时候，对于高维数组比如上面示例中的shape为（1，1，2，3）很难想象，对于axis的索引方式难免混乱，在这里一并做出总结。

• 解释numpy中的高维数组
• 理解numpy中的axis

参考链接：
https://numpy.org/doc/stable/reference/generated/numpy.expand_dims.html