Python “np.transpose（image_tensor，（2，1，0））”这行代码是做什么的？

我在看一些代码，有一行代码说：

# transpose to standard format
# You might want to comment this line or reverse the shuffle
# if you will use a learning algorithm like CNN, since they like their channels separated.
image_standard_form = np.transpose(image, (2, 1, 0))

我不知道它做了什么。我查看了参数，但我不太明白转置参数中的“轴”是什么意思。它说：

axes : list of ints, optional
By default, reverse the dimensions, otherwise permute the axes according to the values given.

但它并没有说这是为了什么。另外，使用转置和元组的示例也不是很有见地（或者至少没有告诉我它应该做什么）。有人能给我解释一下它应该做什么吗

我也做了一个自己的例子来了解它的作用，但我不是100%理解它：

>>> x
array([[[ 0.,  1.,  2.],
        [ 0.,  1.,  2.],
        [ 0.,  1.,  2.]],

       [[ 0.,  1.,  2.],
        [ 0.,  1.,  2.],
        [ 0.,  1.,  2.]],

       [[ 0.,  1.,  2.],
        [ 0.,  1.,  2.],
        [ 0.,  1.,  2.]]])
>>> np.transpose(x, (2, 1, 0))
array([[[ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.]],

       [[ 1.,  1.,  1.],
        [ 1.,  1.,  1.],
        [ 1.,  1.,  1.]],

       [[ 2.,  2.,  2.],
        [ 2.,  2.,  2.],
        [ 2.,  2.,  2.]]])

---

假设您希望通过以下方式访问元素：

elem = image[i, j, k]

elem = image_standard_form[k, j, i]

转置后，现在您应该使用以下命令访问同一元素：

elem = image[i, j, k]

elem = image_standard_form[k, j, i]

转置中的

（2,1,0）

表示索引的排列

对于CNN来说，它可能想要转变一个形状张量：

[width, height, channels]

进入：

---

从一个数组开始，比如

np.arange（24）。重塑（2,3,4）

。当形状和值都不同时，更容易识别像这样的函数的动作。此转置是普通2d转置的推广。请确保您理解这一点，并尝试想象阵列为3d或更大时的可能性。我在看TensorFlow（）中卷积/互相关的文档，似乎他们使用了给定形状的输入张量（批次、高度、宽度、通道），用于CNN。所以最后的频道似乎是。@Pinocchio，这要看情况而定。通过向

TF.nn.conv2d

提供

data\u format

参数，您可以在TF中将图像格式设置为

NCHW

或

NHWC

（默认值）。我发现非常神秘的一点是，如果您给出

（0,2,3,1）

，那么图像就会显示在各个方向。你知道发生了什么事吗？