深度学习中Numpy的一些注意点（多维数组；数据类型转换、数组扁平化、np.where()、np.argmax()、图像拼接、生成同shape的图片）

1多维数组

a.shape=(3,2);既数组h=3，w=2
a.shape=(2,3,2);这里第一个2表示axis=0维度上的，三维数组中3,2）数组的个数，这里表示两个（3,2）数组。

压缩维度

• 这里axis=0指代哪里是很重要的知识点。深度学习中经常压缩一个维度，axis=0。

numpy.squeeze()函数。

语法：numpy.squeeze(a,axis = None)；作用是将shape维度为1的去掉，但通常我们会指定axis=0，去除batchsize的维度。

扩充维度

• np.expand_dims(a, axis=1)将得到shape为(m, 1, n, c)的新数组，新数组中的元素与原数组a完全相同。
  np.expand_dims(a, axis=2)将得到shape为(m, n, 1, c)的新数组，新数组中的元素与原数组a完全相同。
  np.expand_dims(a, axis=3)将得到shape为(m, n, c, 1)的新数组，新数组中的元素与原数组a完全相同。
  ————————————————
  版权声明：本文为优快云博主「dekiang」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
  原文链接：https://blog.youkuaiyun.com/weixin_41560402/article/details/105289015

2numpy类型转换

深度学习常见的float32类型。

• 函数

a.dtype = ‘float32’

>>> a = np.random.random(4)
>>> a
array([ 0.0945377 ,  0.52199916,  0.62490646,  0.21260126])
>>> a.dtype
dtype('float64')
>><