背景引入：
    在神经网络的数据处理部分，常要用到numpy中的transpose（）函数，对二维矩阵的转置大家都明白，但是对高维数组array和矩阵的transpose还是值得记录一下的。
    代码示例：

    1. >>>import numpy as np
    2. >>>arr1=np.arange(16).reshape(2,2,4)
    3. >>> arr1
    4. array([[[ 0,  1,  2,  3],
    5.         [ 4,  5,  6,  7]],
    7.        [[ 8,  9, 10, 11],
    8.         [12, 13, 14, 15]]])
    9. >>> arr1.shape#以元组形式输出
    10. (2, 2, 4)


    我们这样来理解arr1的形状，它是一个三维的数组：2_2_4，即表示由两个2*4的矩阵构成。就像RGB的3通道，这里是两个通道，每个通道是由2行4列的小矩阵构成。那么arr1所对应的轴或者说维数就是0,1,2，即（2,2,4）对应（0,1,2）。
    下面来看3个transpose变换。

    1. arr1.transpose((1,0,2))#将（0,1,2）变为（1,0,2），形状仍为（2,2,4）
    2. array([[[ 0,  1,  2,  3],
    3.         [ 8,  9, 10, 11]],
    5.        [[ 4,  5,  6,  7],
    6.         [12, 13, 14, 15]]])

    这个变换是说将第一轴和第二轴互换，第三轴保持不变。具体到元素应该怎么办呢？比如元素0的索引是（0,0,0），将一二轴互换后仍是（0,0,0），所以不动，同理索引为（0,0，x）和（1,1，x）的元素都不用动。也就是[0,1,2,3]和[12,13,14,15]都不用动。但对于元素4，索引为（0,1,0），将一二轴互换为（1,0,0），同理元素8，索引为（1,0,0）变为（0,1,0），即4,和8互换。

    1. >>> arr1.transpose((1,2,0))#将（0,1,2）变为（1,2,0），此时形状变为（2,4,2）
    2. array([[[ 0,  8],
    3.         [ 1,  9],
    4.         [ 2, 10],
    5.         [ 3, 11]],
    7.        [[ 4, 12],
    8.         [ 5, 13],
    9.         [ 6, 14],
    10.         [ 7, 15]]])

    仿照上面的分析，元素1原来的索引为（0,0,1），由于轴（0,1,2）变为（1,2,0），故（0,0,1）变为（0,1,0）.同理可以分析出其他元素的变动。

    再看最后一个：

    1. >>> arr1.transpose((2,0,1))#（0,1,2）变为（2,0,1），形状由（2,2,4）变为（4,2,2）
    2. array([[[ 0,  4],
    3.         [ 8, 12]],
    5.        [[ 1,  5],
    6.         [ 9, 13]],
    8.        [[ 2,  6],
    9.         [10, 14]],
    11.        [[ 3,  7],
    12.         [11, 15]]])

    其实只要理解了轴动，数字跟着动就行了。
    https://blog.csdn.net/lyl771857509/article/details/79425611

    https://www.cnblogs.com/sunshinewang/p/6893503.html