本文主要介绍Theano中的一个函数，名叫dimshuffle()。在做卷积实验室会用到，是用来改变一个array张量结构的一个工具。原来不懂这个函数的作用以及作用后的结果是什么，经过多次实验，终于有了结果。下面来说一下我的结果。仅贡献给尚不懂这个函数的同学。
为了弄懂dimshuffle()函数的作用，最好的方法就是做实验。输入数据，然后观察输出数据。渐渐地就能找到规律，并能总结出函数作用。下面我们开始做实验。
代码介绍：借用Python卷积运算的代码，将图片显示的部分去掉，另外加入function函数中间值输出功能。
实验条件：经测试，b是shared变量时，才能调用dimshuffle()函数。
实验开始：
1. 一维变换。b是一维张量（把b视为列向量，因此其shape为(2,)），调用dimshuffle()时，传入的参数只可以为0或’x’
(1). 调用b.dimshuffle(0)
结果：b_1.dimshuffle str = [ 0.33799502 -0.06810025]
分析：输出b的原始结构信息，shape为（2，）。
(2). 调用b.dimshuffle(0, ‘x’)
结果：b_1.dimshuffle str = [[ 0.33799502]
[-0.06810025]]
分析：将b的结构改变为2维，且shape为（2, 1）
(3). 调用b.dimshuffle(‘x’, 0)
结果：b_1.dimshuffle str = [[ 0.33799502 -0.06810025]]
分析：将b的结构改变为2维，且shape为（1, 2）
(4). 调用b.dimshuffle(0, ‘x’, ‘x’)
结果：b_1.dimshuffle str = [[[ 0.33799502]]
[[-0.06810025]]]
分析：将b的结构改变为3维，且shape为（2, 1, 1）
(5). 调用b.dimshuffle(‘x’, 0, ‘x’)
结果：b_1.dimshuffle str = [[[ 0.33799502]
[-0.06810025]]]
分析：将b的结构改变为3维，且shape为（1, 2, 1）
(6). 调用b.dimshuffle(‘x’, ‘x’, 0)
结果：b_1.dimshuffle str = [[[ 0.33799502 -0.06810025]]]
分析：将b的结构改变为3维，且shape为（1, 1, 2）
其他实验自己继续做，比如dimshuffle(0,’x’,’x’,’x’)等。先作如下总结：0代表原始b的行。因为原b是1维，因此dimshuffle中的参数只有0，没有1。每增加一个’x’，则结果增加一维。0的位置不同，结果中结构不同。结果结构规律为：把’x’用1替换，0则用原来的行数代替。例如(4)中的(0, ‘x’, ‘x’)用以上规律则其结构为：2*1*1，为什么0对应的是2呢，因为原来的b有2行。
2. 二维变换。b1是二维张量，调用dimshuffle()时，传入的参数可以为(0和1)或’x’
(1). 调用b.dimshuffle(0, 1)
结果：b_1.dimshuffle str = [[0 1 2]]
分析：输出b1的原始结构信息，shape为（1，3）。
(2). 调用b.dimshuffle(1, 0)
结果：b_1.dimshuffle str = [[0]
[1]
[2]]
分析：输出b1的原始结构信息，shape为（3，1）。
(3). 调用b.dimshuffle(0, 1, ‘x’)
结果：b_1.dimshuffle str = [[[0]
[1]
[2]]]
分析：输出b1的原始结构信息，shape为（1，3，1）。
(4). 调用b.dimshuffle(0, ‘x’, 1)
结果：b_1.dimshuffle str = [[[0 1 2]]]
分析：输出b1的原始结构信息，shape为（1，1，3）。
(5). 调用b.dimshuffle(‘x’, 0, 1)
结果：b_1.dimshuffle str = [[[0 1 2]]]
分析：输出b1的原始结构信息，shape为（1，1，3）。
(6). 调用b.dimshuffle(1, 0, ‘x’)
结果：b_1.dimshuffle str = [[[0]]
[[1]]
[[2]]]
分析：输出b1的原始结构信息，shape为（3，1，1）。
(7). 调用b.dimshuffle(1, ‘x’, 0)
结果：b_1.dimshuffle str =[[[0]]
[[1]]
[[2]]]
分析：输出b1的原始结构信息，shape为（3，1，1）。
(8). 调用b.dimshuffle(‘x’, 1, 0)
结果：b_1.dimshuffle str =[[[0]
[1]
[2]]]
分析：输出b1的原始结构信息，shape为（1，3，1）。
(9). 调用b.dimshuffle(‘x’, 1, ‘x’, 0)
结果：b_1.dimshuffle str = [[[[0]]
[[1]]
[[2]]]]
分析：输出b1的原始结构信息，shape为（1，3，1，1）。
(10). 调用b.dimshuffle(‘x’, 0, ‘x’, 1)
结果：b_1.dimshuffle str = [[[[0 1 2]]]]
分析：输出b1的原始结构信息，shape为（1，1，1，3）。
其他实验自己继续做，比如dimshuffle(0,’x’,’x’,1,’x’)等。先作如下总结：0对应原始b1的行数，1对应原始b1的列数。每增加一个’x’，则结果增加一维。0和1的位置不同，结果中结构不同。结果结构规律为：把’x’用1替换，0用原来b1的行数代替，1用原来b1的列数代替。例如(9)中的(‘x’, 1, ‘x’, 0)用以上规律则其结构为：1*3*1*1。
基本实验及结果介绍到此，其中描述会有不严谨的部分，但是总结的规律可以让新手明白dimshuffle到底是怎么回事。如有疑问或建议，欢迎交流。