CIFAR-10解析时的np.transpose(img_a,(1,2,0))

• 在解析CIFAR-10数据集时，由于数据集存放格式如下：
  
  即数据集中的数据存放时，是把每个32323的图像拉为了一维数组，共3072个数据。前1024个位每个点的R，后面依次为1024个点的G，1024个点的B。
• 因此，我们在解析时，有以下命令：

mydict = unpickle(file_i)
    print(mydict[b'data'][0])
    img_a = mydict[b'data'][0].reshape(3,32,32) / 255   # CIFAR10数据集在将32*32*3图像拉伸为一维数组时，
    # 依次存放1024个R，1024个G，1014个B数据，将其reshape为(3,32,32)，则一共有3层，第一层全是R，第二层全是G，第三层全是B
    img_a = np.transpose(img_a,(1,2,0)) # 翻转数据，将三层的RGB作为图像的深度
    print(img_a)
    cv2.imshow("wcc",img_a)
    userkey = cv2.waitKey()

• 其中reshape(3,32,32)，得到的是高为3、长为32、宽为32的矩阵，第1层有1024个数据，全为R通道数据。第2层为G，第3层为B。
  在执行transpose(img_a,(1,2,0))时，其过程理解如下：
  以下图为例：
  
  红圈1中矩阵为原始矩阵，为方便理解，将（3,32,32）矩阵简化为（3,2,2）矩阵，共3层2行2列，其中第一层为[0 1] [2 3]，[0 1]是一层第一行，[2 3]是第一层第二行，每行中有2列。因此，每个点的RGB数据应该是：[0,4,8]，[1,5,9]，[2,6,10]，[3,7,11]
  根据CIFAR-10数据集制作说明，可知第一层的数据全是R，我们在给矩阵进行转置(1,2,0)后，上述结果变为了(2,2,3)，共2行2列3层，以行列来看，每个点包含三层数据，分别是从原本的数据中的每一层取了一个，刚好组成RGB，符合图像数据格式，因此可以直接用imshow显示出来。