一、

将一个5X20的二维矩阵变为一个5X10X2的三维数据。

import numpy as np
X_test = np.arange(100).reshape(5,20)

print(X_test)
X_test = X_test.reshape([X_test.shape[0], 10, 2])

得到的三维的X_test是5个二维的二维矩阵叠加而成的。

相当于，将原来5行的数据都分别reshape成了10*2的矩阵。

第一个二维矩阵为：X_test = [0, :, :]            第二个二维矩阵为：X_test = [1, :, :]                      

第三个二维矩阵为：X_test = [2, :, :]            第四个二维矩阵为：X_test = [3, :, :]

第五个二维矩阵为：X_test = [2, :, :] 

X_test =  X_test.reshape([5,20])

再重新reshape回来后，与原始的X_test数据相同。

二、

X = np.arange(800).reshape(400,2)

x1 = X.reshape([2,20,20])

x2 = x1.reshape([2,400])

这里可以看做，将x1拉伸为一维向量后，再对这个一维向量进行reshape

x3 = x1.reshape([400,2])

x4 = x2.T   可以看到，转置与上面两者的区别，是不等同的