numpy中三维排列的理解三维排列图形---立方体图像中的三维排列RNN中的排列数据的三维排列反复数据中的三维排列
三维阵列图元立方体
我们在进行图像处理、RNN序列数据、重复数据时会遇到三维数组。 在这三种情况下，您应该能够理解三维数组的数据分布情况，从而更好地理解算法和程序原理。 实际上三维排列是三维的数。 这么说来确实很抽象，很空洞。 但是，可以把三维数组想象成立方体。 三维数组中的每个维表示立方体的纵横高度之一。 假设三维阵列a[3][3][3]和其图像是长度为3的立方体。 想象一下，每个维度将对边三等分，将第1维理解为立方体的长度，将第2维理解为宽度，将第3维理解为高度，立方体就在眼前
a[1] :表示立方体中间的水平面a[0][0] :左上角的垂直于我们身体的边a [ :0 ] :表示与我们身体平行的第一个平面
然后是3X3的三维阵列importnumpyasnpx=NP.arange(27 ) print (x ) x=np.reshape(x ) x，(3，3，3 ) ) ) )
图像内的三维数组图像由RGB三种颜色组成，可以将其视为三维数组。 这个三维数组是立方体，三维数组的第一维是图像的宽度
a[:0 ] :表示r通道的纵横图像
RNN中的序列数据的3维排列RNN中的序列数据，理解为由数据特征维、数据量维、数据时间步维构成
数据特征维度是指一个数据有几个特征，可以理解为一个数据的向量的人类维度数据量维度，是指一个时间步骤中总共有多少个数据输入数据
重复数据中的三维排列例如产生重复器，一次输出为一次重复，一次重复可以表示一个立方体的水平面上的一个批次(batch )，立方体的长度是数据量维数据，宽度是数据特征维，高度是批次
a[0]表示一个批次a[0][0]，第一个批次第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