np.expand_dims（维度dimension）的作用：

假设有一张灰度图，读取之后的shape是( 360， 480)，而模型的输入要求是( 1, 360 , 480 ) 或者是 ( 360 , 480 ,1 )，那么可以通过np.expand_dims（a,axis=0）或者np.expand_dims（a,axis=-1）将形状改变为满足模型的输入

可以简单理解为扩展数组的形状  :“插入一个新轴，该轴将出现在展开的阵列形状中轴位置”

第一层理解：  这个axis（轴）会插在形状的哪里，知道形状会怎么改变

第二层理解：这个数组的内在会怎么改变（知道中括号[]会加在哪）

            结论就是：会给插入维度后的每个值（或数组）加一个中括号[]

假设有个数组a：  a = np.array( [[1,2,3],[4,5,6]] )

1. 如果axis = 0，那么中括号就会加在最前面的值，生成一个[a]

代码及结果如下：

b = np.expand_dims(a, axis = 0)
复制

 

 

2. 如果axis = 1，那么这个中括号就会加在第二个的每个值上

代码及结果如下：

b = np.expand_dims(a, axis = 1)复制

 

 

3. 如果axis = 2或者(axis = -1),那么就会给所有数字都加一个中括号

代码及结果如下：

b = np.expand_dims(a, axis = 2)复制

 

总结（二维数据）（如果数据是一维的话，axis就不能=2）

1. axis = 0时，[]加在最外面
2. axis = 1时，给每一行都加[]
3. axis = 2时，给每一个元素都加[]