>>> x = np.array([[1,2,3],[4,5,6]])>>> x.shape(2, 3)>>> np.expand_dims(x, 0)array([[[1, 2, 3],        [4, 5, 6]]])>>> np.expand_dims(x, 1)array([[[1, 2, 3]],       [[4, 5, 6]]])>>> np.expand_dims(x, 2)array([[[1],        [2],        [3]],       [[4],        [5],        [6]]])>>> np.expand_dims(x, 3)array([[[1],        [2],        [3]],       [[4],        [5],        [6]]])>>> np.expand_dims(x, 4)array([[[1],        [2],        [3]],       [[4],        [5],        [6]]])>>> np.expand_dims(x, 1).shape(2, 1, 3)>>> np.expand_dims(x, 2).shape(2, 3, 1)>>> np.expand_dims(x, 3).shape(2, 3, 1)>>> np.expand_dims(x, 4).shape(2, 3, 1)>>> np.expand_dims(x, 0).shape(1, 2, 3)

1. 分3部分来看。

2. expand_dims直观来说就是将某一维度展成1维，看shape的形式便可知。

3. 哪一维要设置成1，就将原始DATA重新组合，细心看输出的数据的重排形式。

4. 维度从0开始，超过都表示最后一维，-1也是最后一维。