tensor 增加维度_tensor维度变换

维度变换是tensorflow中的重要模块之一，前面mnist实战模块我们使用了图片数据的压平操作，它就是维度变换的应用之一。

在详解维度变换的方法之前，这里先介绍一下View(视图)的概念。所谓View，简单的可以理解成我们对一个tensor不同维度关系的认识。举个例子，一个[ b,28,28,1 ]的tensor(可以理解为mnist数据集的一组图片)，对于这样一组图片，我们可以有一下几种理解方式：

(1)按照物理设备储存结构，即一整行的方式(28*28)储存，这一行有连续的784个数据，这种理解方式可以用[ b,28*28 ]表示

(2)按照图片原有结构储存，即保留图片的行列关系，以28行28列的数据理解，这种方式可以用[ b,28,28 ]表示

(3)将图片分块(比如上下两部分)，这种理解方式与第二种类似，只是将一张图变为两张，这种方式可以用[ b,2,14*28 ]表示

(4)增加channel通道，这种理解方式也与第二种类似，只是这种对rgb三色图区别更明显，可以用[ b,28 28,1 ]表示

通过维度的等价变换，就可以实现思维上View的转换

维度变换的方式：

方式1：tf.reshape(可通过破坏维度之间的关系改变tensor的维度，但不会改变原有数据的存储顺序)

a = tf.random.normal([4,28,28,3])print(a.shape)print(tf.reshape(a,[4,784,3]).shape)print(tf.reshape(a,[4,-1,3]).shape)print(tf.reshape(a,[4,784*3]).shape)print(tf.reshape(