大家好，又见面了，我是你们的朋友全栈君。
arr = np.arange(16).reshape((2, 2, 4))
arr的array是这样的
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7]],
[[ 8, 9, 10, 11],
[12, 13, 14, 15]]])
我们对arr进行transpose转置，arr2 = arr.transpose((1,0,2))，结果是这样：
array([[[ 0, 1, 2, 3],
[ 8, 9, 10, 11]],
[[ 4, 5, 6, 7],
[12, 13, 14, 15]]])
这是怎么来的呢。
arr.transpose((1,0,2))的1,0,2三个数分别代表shape()的三个数的顺序，初始的shape是(2,2,4)，也就是2维的2 x 4矩阵，索引分别是shape的[0],[1],[2]，arr.transpose((1,0,2))之后，我们的索引就变成了shape[1][0][2],对应shape值是shape(2,2,4)，所以矩阵形状不变。
与此同时，我们矩阵的索引也发生了类似变化，如arr中的4，索引是arr[0,1,0],arr中的5是arr[0,1,1]，变成arr2后，4的位置应该是在[1,0,0]，5的位置变成[1,0,1]，同理8的索引从[1,0,0]变成[0,1,0]。
这里正对opencv和caffe图像格式转化说明一下：
caffe存储图片使用的是：C×H×W
opencv存储图片使用的是：H×W×C
假设通过opencv处理的图像的索引为image([0],[1],[2]).故转化成caffe的格式为image([2],[0],[1]).
使用的函数便是image.transpose(2,0,1)
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/140798.html原文链接：https://javaforall.cn
