在看CS231n的时候，有这么一行代码
it = np.nditer(x, flags=['multi_index'], op_flags=['readwrite'])
查了查np.nditer原来是numpy array自带的迭代器。这里简单写个demo解释一下np.nditer的用法。
先构建一个3×4的矩阵
然后输入命令
flags=[‘multi_index’]表示对a进行多重索引，具体解释看下面的代码。
op_flags=[‘readwrite’]表示不仅可以对a进行read（读取），还可以write（写入），即相当于在创建这个迭代器的时候，我们就规定好了有哪些权限。
迭代一下试一试
print it.multi_index表示输出元素的索引，可以看到输出的结果都是index。
it.iternext()表示进入下一次迭代，如果不加这一句的话，输出的结果就一直都是(0, 0)。
补充：it = np.nditer(x, flags=[‘multi_index’], op_flags=[‘readwrite’])
在看cs221n代码的时候碰到一行代码。
it = np.nditer(x, flags=['multi_index'], op_flags=['readwrite'])
np.nditer()函数解析
class np.nditer()
参数：
op ： ndarray或array_like的序列。迭代的数组。
flags ： str的序列，可选。用于控制迭代器行为的标志。
“buffered”可在需要时启用缓冲。
“c_index”导致跟踪C顺序索引。
“f_index”导致跟踪Fortran-order索引。
“multi_index”导致跟踪多个索引或每个迭代维度一个索引元组。
“common_dtype”会将所有操作数转换为公共数据类型，并根据需要进行复制或缓冲。
“copy_if_overlap”使迭代器确定读操作数是否与写操作数重叠，并根据需要进行临时复制以避免重叠。在某些情况下，可能会出现误报（不必要的复制）。
“delay_bufalloc”延迟缓冲区的分配，直到进行reset（）调用。允许“allocate”操作数在其值复制到缓冲区之前进行初始化。
“external_loop”导致给定的值是具有多个值的一维数组，而不是零维数组。
当同时使用“buffered”和“external”循环时，“grow-inner”允许值数组大小大于缓冲区大小。
“ranged”允许将迭代器限制为iterindex值的子范围。
“refs_ok”允许迭代引用类型，例如对象数组。
“reduce_ok”允许迭代广播的“readwrite”操作数，也称为缩减操作数。
“zerosize_ok”允许itersize为零。
op_flags ： str列表，可选。这是每个操作数的标志列表。至少，必须指定“readonly”，“readwrite”或“writeonly”中的一个。
“readonly”表示只读取操作数。
“readwrite”表示将读取和写入操作数。
“writeonly”表示只会写入操作数。
“no_broadcast”阻止操作数被广播。
“contig”强制操作数数据是连续的。
“aligned”强制操作数数
据对齐。
“nbo”强制操作数数据以本机字节顺序排列。
如果需要，“copy”允许临时只读副本。
“updateifcopy”允许在需要时使用临时读写副本。
转载请注明原文链接：numpy中np.nditer、flags=[multi_index] 的用法说明
