结论：无论几维，都可以按照(Batch_size, Height, Width, Channle)来理解。

1. 二维数据的理解

理解为： 只有(Height, Width)，而且理解的是对于每一【 】从后向前看。即第一个[0.1， 0.2， 0.3]是width维度的。

b = [[0.1, 0.2, 0.3], [0.4, 0.5, 0.6]]
b_array = np.array( b )
print(b_array)
print(b_array.shape)
print( b_array[1,2] )
### result
[[0.1 0.2 0.3]
 [0.4 0.5 0.6]]
(2, 3)
2. 对三维数据的理解
 
 理解为：只有(Height, Width, Channel)，而且理解的是对于每一【 】从后向前看。即第一个[1， 2， 3, 3.5]是Channel维度的。
 
a = [ [[1, 2, 3, 3.5], [4,
                    0. 写作目的好记性不如烂笔头。结论：无论几维，都可以按照(Batch_size, Height, Width, Channle)来理解。1. 二维数据的理解理解为：只有(Height, Width)，而且理解的是对于每一【 】从后向前看。即第一个[0.1， 0.2， 0.3]是width维度的。b = [[0.1, 0.2, 0.3], [0.4, 0.5, 0.6]]...
				
NumPy是python下的计算库，被非常广泛地应用，尤其是近来的深度学习的推广。在这篇文章中，将会介绍使用numpy进行一些最为基础的计算。
NumPy vs SciPy
NumPy和SciPy都可以进行运算，主要区别如下
最近比较热门的深度学习，比如在神经网络的算法，多维数组的使用是一个极为重要的场景。如果你熟悉tensorflow中的tensor的概念，你会非常清晰numpy的作用。所以熟悉Numpy可以说是使用python进行深度学习入门的一个基础知识。
liumiaocn:tmp liumiao$ pip install numpy
Collecting numpy
				
您可以使用可视化库如 Matplotlib 或 Plotly 来绘制 Tensor 的三维图。首先，您需要将 Tensor 转换为 NumPy 数组，然后使用 Matplotlib 或 Plotly 的三维绘图函数(如 "scatter" 或 "plot_surface")绘制。
具体来说，首先您需要使用 torch.Tensor.numpy() 将 Tensor 转换为 NumPy 数组，然后使...
				
在tensorflow中，改变试图，是经常用的操作。tensorflow中彩色图像传入的格式是RGB，这和其他一些框架不一样。
    在理解多维数组的时候，可以按照（batch_size,height，width，channel）理解，对应彩色图像是RGB（在caffe中，传入的是channel，height，width）
   二维数组的理解，（height，width）x.nidm可以知道维度，                   ...
				
最近在复现一篇论文代码的过程中，想要输出中间图片的结果图，通过debug发现在pytorch网络中是用Tensor存储的四维张量。
1、维度顺序转换
第一维代表的是batch_size，然后是通道数和图像尺寸，首先要进行维度顺序的转换
通过permute函数实现
outputRs = outputR.permute(0,2,3,1)
shape转为961283
2、转为numpy数组
		#由于代码中的中间结果是带有梯度的要进行detach()操作
		k = outputRs.cpu().detach(