读取输入数据 # 读取train.hdf5文件中的二维数组 with h5py.File('train001.hdf5', 'r') as f: arr = f['increment_0/phase/alpha-Ti/mechanical/O'][:] # 在每一行的最后添加一个新的数字 new_num = input('请输入一个新的数字：') arr = np.hstack((arr, np.ones((arr.shape[0], 1)) * float(new_num))) # 每1024行提取出来作为一个二维数组 input_arr_reshaped = arr.reshape((-1, 1024, 5)) # 将每个二维数组转换成三维数组 input_arr_3d = [] for i in range(input_arr_reshaped.shape[0]): input_arr_3d.append(np.reshape(input_arr_reshaped[i], (32, 32, 5))) # 将每个三维数组转换成5 * 32 * 32的三维数组 input_arr_5_32_32 = [] for i in range(len(input_arr_3d)): input_arr_5_32_32.append(np.transpose(input_arr_3d[i], (2, 0, 1))) # 对每个5 * 32 * 32的数组进行修改 modified_input_arr = [] for i in range(len(input_arr_5_32_32)): input_arr_i = input_arr_5_32_32[i] input_arr_i = np.array(input_arr_i) input_arr_i = torch.from_numpy(input_arr_i).float() input_arr_i = input_arr_i.unsqueeze(0) modified_input_arr.append(input_arr_i) # 输出第一个三维数组中的第一个纵向二维数组 input_arr01 = modified_input_arr[0] 帮我优化这段代码，使得这段代码功能完全不变的情况下更加精简，并帮我标好每一段的功能

# 导入需要的库
import h5py
import numpy as np
import torch

# 读取train.hdf5文件中的二维数组
with h5py.File('train001.hdf5', 'r') as f:
arr = f['increment_0/phase/alpha-Ti/mechanical/O'][:]

# 在每一行的最后添加一个新的数字
new_num = input('请输入一个新的数字：')
arr = np.hstack((arr, np.ones((arr.shape[0], 1)) * float(new_num)))

# 每1024行提取出来作为一个二维数组
input_arr_reshaped = arr.reshape((-1, 1024, 5))

# 将每个二维数组转换成5 * 32 * 32的三维数组
modified_input_arr = []
for i in range(input_arr_reshaped.shape[0]):
input_arr_i = np.transpose(input_arr_reshaped[i].reshape((32, 32, 5)), (2, 0, 1))
modified_input_arr.append(torch.from_numpy(input_arr_i).float().unsqueeze(0))

# 输出第一个三维数组中的第一个纵向二维数组
input_arr01 = modified_input_arr[0]

# 代码功能：
# 1. 导入需要的库；
# 2. 从 HDF5 文件中读取二维数组；
# 3. 在每一行的最后添加一个新的数字；
# 4. 将每1024行提取出来作为一个二维数组；
# 5. 将每个二维数组转换成5 * 32 * 32的三维数组；
# 6. 对每个5 * 32 * 32的数组进行修改（转换成 Tensor）；
# 7. 输出第一个三维数组中的第一个纵向二维数组。