Question

我对以下情况感到困惑：

x = np.random.rand(1, 32, 3, 64);

print(x.shape)

#(1, 32, 3, 64)

然后我应用此选择。

y = x[np.arange(1)[:, None], :, 1,  np.arange(64)[None, :]]

我认为我选择了维度0、1、3的所有行，第二维度的1应该是例外..但是它给出了

print(y.shape)

#(1, 64, 32)

对于以下情况：

y = x[np.arange(1)[:, None], :, [1],  np.arange(64)[None, :]]

我认为我选择了0、1维的所有行，并且始终使用2维的第一行。

print(y.shape)

#(1, 64, 32)

为什么在两种情况下形状都变为（1、64、32）？

1和[1]有什么区别？

Answer 1

您可能会为您要实现的目标提供更多的背景信息吗？您使用np.arange(1)[:, None]而不只是:进行索引是有特定原因吗？例如是y = x[:,:,1,:]形状：（1,32,64）不是您要的内容？