Python 为什么scipy.optimize会将数据阵列展平为一维阵列？

请看下面的代码

import numpy
def f(u):
    print(u) # to check dimensions of the input 
    return 10
u= numpy.array([[1,2],[3,4]])
scipy.optimize.minimize(f,u)

输出：

[ 1.  2.  3.  4.]
[ 1.00000001  2.          3.          4.        ]
[ 1.          2.00000001  3.          4.        ]
[ 1.          2.          3.00000001  4.        ]
[ 1.          2.          3.          4.00000001]
[ 1.  2.  3.  4.]
Out[24]:
      fun: 10
 hess_inv: array([[1, 0, 0, 0],
       [0, 1, 0, 0],
       [0, 0, 1, 0],
       [0, 0, 0, 1]])
      jac: array([ 0.,  0.,  0.,  0.])
  message: 'Optimization terminated successfully.'
     nfev: 6
      nit: 0
     njev: 1
   status: 0
  success: True
        x: array([ 1.,  2.,  3.,  4.])

---

我们可以看到，输入

u

是一个2d数组

u=numpy.array（[[1,2]，[3,4]]）

。但是，它已转换为[1.2.3.4]，这是一个1d数组。我不明白为什么

scipy.optimize.minimize

会这样做。当然，我总是可以在函数中重塑数组。但是我想知道，如果我在

scipy.optimize

的语法或用法中遗漏了什么，你找到这个问题的解决方案了吗？没有。我通过在目标函数中重塑数组来解决问题。好吧，问题是每个约束也会变平结构，重塑是一个很大的难题