圖示效果圖：

  直接貼程式碼：

def test3D():
    import numpy as np
    data_array = np.zeros((3, 5, 6), dtype=np.int)
    data_array[1, 2, 2] = 1
 
    print(data_array)

  介紹：通過np.zeros建立一個3行5列6個通道的三維陣列，並給第二個通道的第一行第二列賦值1.

  執行結果圖：

分析： 有執行結果可知，建立了六個通道，在深度學習中這六個通道相當於六個Feature Map，對應結果圖中的六列。

再向外看一層，共有三個塊，每個塊代表這個通道的第幾行資料。

每個塊裡有五行資料，每一行代表每個通道的第幾列資料

所以，程式碼中的賦值語句： data_array[1, 2, 2] = 1

  表示為第2個通道，下標從0開始，所以在圖中位置為第三列；第1行第2列，下標從0開始，所以圖中表示第二個塊的第三行；即為圖中所示位置。

補充：三維陣列的求和

多維陣列的軸（axis=）是和該陣列的size（或者shape）的元素是相對應的；

>>> np.random.seed(123)
>>> X = np.random.randint(0, 5, [3, 2, 2])
>>> print(X)
 
[[[5 2]
  [4 2]]
 
 [[1 3]
  [2 3]]
 
 [[1 1]
  [0 1]]]
 
>>> X.sum(axis=0)
array([[7, 6],
       [6, 6]])
 
>>> X.sum(axis=1)
array([[9, 4],
       [3, 6],
       [1, 2]])
 
>>> X.sum(axis=2)
array([[7, 6],
       [4, 5],
       [2, 1]])
 

如果將三維陣列的每一個二維看做一個平面（plane，X[0, :, :], X[1, :, :], X[2, :, :]），三維陣列即是這些二維平面層疊（stacked）出來的結果。則（axis=0）表示全部平面上的對應位置，（axis=1），每一個平面的每一列，（axis=2），每一個平面的每一行。
--------------------- 

原文：https://blog.csdn.net/mago2015/article/details/81069321