numpy和tensorflow之间的轴和尺寸不匹配

Question

在努比 A = np.array([[[1,2,3],[4,5,6]],[[1,2,3],[4,5,6]]])我们在这里看到的形状是(2, 3, 3)screenshot1

这里的numpy形状是(z-axis, y-axis, x-axis)

但是在tensorflow中，我们有一个227227的图像，有3个通道（R，G，B），所以我的张量是(227,227,3)形的 然后我申请：-
Conv2D(filters = 96, kernel_size = 11, strides =4, padding = 'valid')

我们得到以下形状：-screenshot2

然后我们应用批处理规范化：-

BatchNormalization(axis = 3)

该批规格化将沿输入矩阵的特征轴（即第三轴）进行，我们从“屏幕快照2”中获得了形状为(55,55,96)的输入矩阵

总之，在tensorflow中，我们看到三维张量形状的顺序如下-(heigth, width, no_of_channels)，即(y_axis, x_axis, z_axis)， 但是在努比我们有(z_axis, y_axis, x_axis)

把这两个想法联系起来有时会让人困惑， 请告诉我，如果我遗漏了一些重要的概念，如果没有，那么如何处理这个维度不匹配