transpose
在处理caffe读入的图片数据时，需要将原始图片的数据
H*W*3(height*width*RGB) 转换为 3*H*W(RGB*heigth*width)
需要用到numpy的transpose功能：设想图片尺寸2x2,RGB模式 则数组规模为2x2x3
>>>import numpy as np
>>> x = np.arange(12).reshape(2,2,3)
>>> x
array([[[ 0, 1, 2],
[ 3, 4, 5]], [[ 6, 7, 8],
[ 9, 10, 11]]])
>>> x_ = np.transpose(x,(2,0,1))
>>> x_
array([[[ 0, 3],
[ 6, 9]], [[ 1, 4],
[ 7, 10]], [[ 2, 5],
[ 8, 11]]])
>>>
transpose的实现原理其实很简单，只要保存一个view即可，例如原索引是i,j,k,按照“(2,0,1)” transpose后，索引便成为k,i,j,即Ai,j,k = ATk,i,j ，可以用上面的例子试验。
多维数组指定axies上元素顺序的调换（例如RGB->BGR):
还有一个问题，在caffe中根据convention使用BGR的通道模式，所以对如上x_做0轴上的变换
>>> x_.shape
(3, 2, 2)
>>> x_[(2,1,0),:,:]
array([[[ 2, 5],
[ 8, 11]], [[ 1, 4],
[ 7, 10]], [[ 0, 3],
[ 6, 9]]])
>>>
调换选定轴上元素的位置其实很方便，在指定轴位置放置指示顺序的tuple即可，其他轴保持（使用":")。
例如将上面的2x2矩阵上下两行对调
>>> x_
array([[[ 0, 3],
[ 6, 9]], [[ 1, 4],
[ 7, 10]], [[ 2, 5],
[ 8, 11]]])
>>> x_.shape
(3, 2, 2)
>>> x_[:,(1,0),:]
array([[[ 6, 9],
[ 0, 3]], [[ 7, 10],
[ 1, 4]], [[ 8, 11],
[ 2, 5]]])
>>>
两个元素个数相同但维数不同的数组赋值
例如'x_flat'是维数为(12，)的行向量，现在想将上面的2x2x3数组'x_'复制给'x_flat'而不改变'x_flat'的内存空间，可如下：
>>> x_flat = np.arange(12)
>>> x_flat.shape
(12,)
>>> x_flat
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])
>>> x_
array([[[ 0, 3],
[ 6, 9]], [[ 1, 4],
[ 7, 10]], [[ 2, 5],
[ 8, 11]]])
>>> x_flat.flat = x_.flat
>>> x_flat
array([ 0, 3, 6, 9, 1, 4, 7, 10, 2, 5, 8, 11])