在 CNN 中匹配频道形状的正确方法是什么？转置与重塑

问：

我试图构建我的 CNN 层。但我有一个问题。 CNN 层的输入是图像数据。我曾经在后端作为 TensorFlow。所以CNN层的输入形状必须是（数据数、高度、宽度、通道）！

我制作了数据以使用列表。 让我们举个例子。 图像是 2x2 文件。数据是 'a'、'b'、'c'。

a = np.zeros((2,2))
b = np.ones((2,2))
c = np.ones((2,2)) * 2

l = [a,b,c]
l = np.array(l)
print(l)
print(l.shape)

print is

[[[0. 0.]
  [0. 0.]]

 [[1. 1.]
  [1. 1.]]

 [[2. 2.]
  [2. 2.]]]
(3, 2, 2)

我想输入“l”数据。但是我很困惑。

要匹配形状（数据数量、高度、宽度、通道）， transpose（） 或 reshape（） 的正确方法是什么？

示例的方法输出如下。

new = np.transpose(l, (1,2,0))
print("=============================")
print(new)
print(new.shape)
print("=============================")

old = np.reshape(l, (2,2,3))
print(old)
print(old.shape)

[[[0. 1. 2.]
  [0. 1. 2.]]

 [[0. 1. 2.]
  [0. 1. 2.]]]
(2, 2, 3)
=============================
[[[0. 0. 0.]
  [0. 1. 1.]]

 [[1. 1. 2.]
  [2. 2. 2.]]]
(2, 2, 3)

Two Method 的形状是 （2， 2， 3），所以没有错误！但我有些怀疑。 我认为转置方法是对的。但没有证据支持使用这种方法。什么是正确的？

谢谢。