1.numpy中三维数组的理解

三维数组图形–立方体

我们在做图像处理，RNN序列数据，迭代数据的时候会遇到三维数组，我们应该理解这三种情况下三维数组的数据分布是怎么样的，才能更好的理解算法，和程序的原理，其实三维数组就是三维的数，这么说确实很抽象，空洞。但是我们可以将三维数组想象成为一个立方体，三维数组的每个维度代表着立方体的长宽高的一个，假设我们与一个三维数组a[3][3][3]，把它形象成为一个变长为3的立方体，每一个维度就是将对的边三等分，我们将第一维度理解为立方体的长，第二维度理解为宽，第三维度理解为高，想象立方体就在我们前面，一个面和我们的身体平行

• a[1]：就表示立方体中间的一个水平面
• a[0][0]：就表示左上角的一个和我们身体垂直的边
• a[:, :,0]：表示与我们身体平行的第一个平面
  接下来创建一个是3X3的三维数组

import numpy as np
x = np.arange(27)
print(x)
x = np.reshape(x, (3,3,3))
print('(行，列， 通道)', x.shape)
print(x)
print('第0个水平面', x[0])
print('变成 a ', x[0][0])

下面是数在立方体中的分布

图片中的三维数组

图片是又RGB三种颜色构成的，我们可以将它看作是一个三维数组，这个三维数组就是一个立方体，三维数组的第一维就是图片的宽度

• a[:, :, 0]：表示R通道的长宽图片
  

RNN中序列数据的三维数组

在rnn中序列数据，其由数据特征维度，数据量维度，数据时间步维度构成，我是这么理解的

• 数据特征维度：就是一个数据数据有多少个特征，可以理解为一个数据数据的向量的人维度
• 数据量维度：就是一个时间步总共有多少个数据输入数据

迭代数据中的三维数组

例如我们要生成一个迭代器，一次输出为一次迭代，一个迭代假设有128个批次（batch），可以用立方体的水平面表示一个批次，立方体的长可以表示数据量维度数据的，宽表示数据特征维度，高表示批次

• a[0] 表示一个批次
• a[0][0] 表示第一个批次的第0个输入数据
• a[0][0][0] 表示第一个批次，第0个输入数据的第0个特征