x.reshape([1,28,28,1])的重塑操作对28*28数组的作用是什么？

假设你当前操作的x是形状为(28, 28)的二维数组，最常见的场景是单通道28×28像素的灰度图像数据，这个重塑操作的实际处理逻辑如下：

• 不会修改数组内部的任何元素数值、也不会改变元素的存储顺序，仅调整数组的维度标识，适配深度学习模型的输入要求
• 新增的第一个维度（最外层）为批次维度，取值1代表当前批次内仅包含1条样本数据，符合绝大多数深度学习框架的「批次优先」输入规范
• 中间两个维度保留原数组的28×28属性，对应图像的高度和宽度参数，和原数组的空间对应关系完全一致
• 新增的第四个维度（最内层）为通道维度，取值1代表当前数据是单通道的灰度数据，如果是RGB彩色图像这个维度的取值会是3

可以参考简化的2×2数组的转换示例理解：
原2×2二维数组：

[[1,2],
 [3,4]]

执行reshape([1,2,2,1])后得到的四维数组：

[[
  [[1], [2]],
  [[3], [4]]
]]

所有元素的数值和相对顺序完全没有变化，只是新增了两层维度的包裹。

内容的提问来源于stack exchange，提问作者Mariam Albarghouti