(2, 2, 3) 形狀的 3D 數組（或張量）的結構。

個人理解：
2個2維數組（張量），2維數組（張量）里面有2個1維向量（張量），1維向量（張量）里面有3個元素。
注：由于最后一個維度值3代表的是元素個數，左側括號后的第1個2代表的是第n-1個[（中括號，即n-1維數組）的數量， 左側括號后的第2個2代表的是第n-2個[（中括號，即n-2維數組）的數量。這段文字中，n代表的是數組的維度，這里是3維。

維度解析：

• (2, 2, 3) 表示：
  1. 第1維（最外層）：2 個樣本（或批次）。
  2. 第2維（中間層）：每個樣本有 2 個時間步（或行）。
  3. 第3維（最內層）：每個時間步有 3 個電壓值（或列）。

可視化：

[# 樣本1 (第1個2x3矩陣)[[12.5, 12.3, 12.4],  # 時間步1（第1個1x3向量）[12.6, 12.2, 12.5]    # 時間步2（第2個1x3向量）],# 樣本2 (第2個2x3矩陣)[[12.4, 12.1, 12.3],  # 時間步1（第1個1x3向量）[12.3, 12.0, 12.2]    # 時間步2（第2個1x3向量）]
]

更直觀的理解：

• (2, 2, 3) 可以看作：
  • 2 個樣本（比如 2 個電池的電壓記錄）。
  • 每個樣本有 2 個時間步（比如 2 個時間點的測量）。
  • 每個時間步有 3 個電壓值（比如 3 個傳感器的讀數）。

索引示例：

import numpy as npdata = np.array([[[12.5, 12.3, 12.4],[12.6, 12.2, 12.5]],[[12.4, 12.1, 12.3],[12.3, 12.0, 12.2]]
])print(data.shape)  # (2, 2, 3)# 訪問第1個樣本的第2個時間步的第3個電壓值
print(data[0, 1, 2])  # 12.5# 訪問第2個樣本的所有時間步的第1個電壓值
print(data[1, :, 0])  # [12.4, 12.3]

總結：

• (2, 2, 3) 不是 2個2維向量，而是 2個2x3矩陣（每個矩陣代表一個樣本）。
• 每個樣本 是 (2, 3) 矩陣（2 時間步 × 3 電壓值）。
• 每個時間步 是 (3,) 向量（3 個電壓值）。