numpy.lib.stride_tricks.as_strided() 高效切分數組

Numpy的一個函數：np.lib.stride_tricks.as_strided(）
這個函數可以高效地切分一個數組爲不同的shape塊。可以參考官方文檔或者這篇寫得很好的博客。
描述：

numpy.lib.stride_tricks.as_strided(x, shape=None, strides=None, subok=False, writeable=True)

其中：x爲輸入數組；
shape爲目標形狀；
strides 需要一個例子來理解：

a = np.arange(9, dtype=np.int32).reshape(3,3)
print(a)
'''
[[0 1 2]
 [3 4 5]
 [6 7 8]]
 '''
print(a.strides)
'''
(12, 4)
'''

這裏（12， 4）中的12表示在內存中a[n, 0]到a[n+1, 0]跨過多少byte，4表示在內存中a[n, 0]到a[n, 1]跨過多少byte。不同數據類型佔據的內存大小不同，總的來說一個32位的類型需要4byte，62位的類型需要8byte。 可以參考這裏，我整理成下面的表格。

數值 \ 數值類型 (單位：Byte)	int32	int64	float32	float64
[]	96	96	96	96
[1]	100	104	100	104
[5]	116	136	116	136

這個表格的意思就是，一個空的數組[]就佔用內存96byte，因爲它存放了關於數組大小等信息。
只有一個32位整數的數組[1]佔用內存100byte，減去[]佔用的96byte，1就佔用4byte。
同理對於64整數的數組[1]，一個元素佔用8byte。
上面的例子中，使用nbytes和itemsize可以直接查看元素佔據的內存。

# 查看數組a所有元素佔用內存大小，單位byte
a.nbytes
"""
36
"""
# 查看數組a每個元素佔用內存大小，單位byte
a.itemsize
"""
4
"""

如果我想將其切分爲一個(3, 3, 3)矩陣，我需要先padding其爲

[[0 0 0]
 [0 1 2]
 [3 4 5]
 [6 7 8]
 [0 0 0]]

結果如下：

[[[0 0 0]
  [0 1 2]
  [3 4 5]]

 [[0 1 2]
  [3 4 5]
  [6 7 8]]
 
 [[3 4 5]
  [6 7 8]
  [0 0 0]]]

需要設定的strides爲(36, 12, 4). 第三維最小的維度考慮最小單元內兩個相鄰元素的跨度，0->1, 3->4等都是4byte；第二維度考慮兩行之間的跨度,如[0 1 2]->[3 4 5]中首元素的跨度爲 $3*4$ byte。這裏的最高維跨度和第二維跨度一樣,如[[0 0 0] [0 1 2] [3 4 5]]-> [[0 1 2] [3 4 5] [6 7 8]]首元素跨度在原數組中只跨越了[0 0 0]三個元素，所以跨度也是 $3*4$ byte。