给数组一个新的形状而不改变其数据
numpy.reshape(a, newshape, order=’C’) 参数： a：array_like 要重新形成的数组。newshape：int或tuple的整数 新的形状应该与原始形状兼容。如果是整数，则结果将是该长度的1-D数组。一个形状维度可以是-1。在这种情况下，从数组的长度和其余维度推断该值。order：{'C'，'F'，'A'}可选 使用此索引顺序读取a的元素，并使用此索引顺序将元素放置到重新形成的数组中。'C'意味着使用C样索引顺序读取/写入元素，最后一个轴索引变化最快，回到第一个轴索引变化最慢。'F'意味着使用Fortran样索引顺序读取/写入元素，第一个索引变化最快，最后一个索引变化最慢。注意，'C'和'F'选项不考虑底层数组的内存布局，而只是参考索引的顺序。'A'意味着在Fortran类索引顺序中读/写元素，如果a 是Fortran 在内存中连续的，否则为C样顺序。 返回： reshaped_array：ndarray 如果可能，这将是一个新的视图对象; 否则，它将是一个副本。注意，不能保证返回数组的内存布局（C-或Fortran-连续）。 样例（转载）：1.引入numpy，名称为np
2.接下来创建一个数组a，可以看到这是一个一维的数组
3.使用reshape()方法来更改数组的形状，可以看到看数组d成为了一个二维数组
4.通过reshape生成的新数组和原始数组公用一个内存，也就是说，假如更改一个数组的元素，另一个数组也将发生改变
5.同理还可以得到一个三维数组
6.形状变化的原则是数组元素不能发生改变，比如这样写就是错误的，因为数组元素发生了变化
根据Numpy文档(https://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html#numpy-reshape)的解释：
newshape : int or tuple of ints
The new shape should be compatible with the original shape. If an integer, then the result will be a 1-D array of that length. One shape dimension can be -1. In this case, the value is inferred from the length of the array and remaining dimensions.
大意是说，数组新的shape属性应该要与原来的配套，如果等于-1的话，那么Numpy会根据剩下的维度计算出数组的另外一个newshape属性值。
举几个例子或许就清楚了，有一个数组z，它的shape属性是(4, 4)
z = np.array([[1, 2, 3, 4],
[5, 6, 7, 8],
[9, 10, 11, 12],
[13, 14, 15, 16]])
z.shape
(4, 4)
z.reshape(-1)
array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16])
z.reshape(-1, 1)，是说，我们不知道新z的行数是多少，但是想让z变成只有一列，行数不知的新数组，通过z.reshape(-1,1)，Numpy自动计算出有12行，新的数组shape属性为(16, 1)，与原来的(4, 4)配套。z.reshape(-1,1)
array([[ 1],
[ 2],
[ 3],
[ 4],
[ 5],
[ 6],
[ 7],
[ 8],
[ 9],
[10],
[11],
[12],
[13],
[14],
[15],
[16]])
z.reshape(-1, 2)，行数未知，列数等于2，reshape后的shape等于(8, 2)
z.reshape(-1, 2)
array([[ 1, 2],
[ 3, 4],
[ 5, 6],
[ 7, 8],
[ 9, 10],
[11, 12],
[13, 14],
[15, 16]])
同理，只给定行数，列数未知，也可以设置newshape等于-1，Numpy也可以自动计算出新数组的列数。
问题4 reshape（-1,10）和reshape（10，-1）的区别:例子1 例子2
总结： 这在CV中经常用到的！
好比这里为什么会reshape成train_set_x_orig.shape[0].就是为上面举得例子n1=np.random. rand(2,2,3,5)
n2 = n1.reshape（2，-1）
n3 = n2.T的目的是为了和X进行点积。