将用于训练CNN的数据集的维度从(32,32,3,10000)更改为(10000，32，32，3

将用于训练CNN的数据集的维度从(32,32,3,10000)更改为(10000，32，32，3)意味着对数据集进行了维度转换，将原先的维度顺序进行了调整。

在原始维度(32,32,3,10000)中，表示有10000个样本数据，每个样本数据的维度为32x32，且每个样本数据有3个通道（RGB颜色通道）。这种维度顺序通常用于深度学习框架中，如TensorFlow和Keras。

而在转换后的维度(10000,32,32,3)中，表示有10000个样本数据，每个样本数据的维度为32x32，且每个样本数据有3个通道（RGB颜色通道）。这种维度顺序通常用于其他机器学习框架中，如Scikit-learn和PyTorch。

维度转换的目的是为了适应不同的机器学习框架或算法对数据的要求。在实际应用中，可以使用相关的库或函数进行维度转换，如NumPy的reshape函数。

对于这个维度转换后的数据集，可以在云计算领域中应用于各种图像识别、分类、目标检测等任务。例如，可以使用卷积神经网络（CNN）对图像进行分类，通过训练模型来识别图像中的物体或场景。

在腾讯云中，可以使用腾讯云机器学习平台（Tencent Machine Learning Platform，TMLP）来进行图像处理和训练。TMLP提供了丰富的机器学习算法和模型训练工具，可以方便地进行图像数据集的处理和模型训练。具体产品介绍和链接地址可以参考腾讯云官方网站。

总结：将用于训练CNN的数据集的维度从(32,32,3,10000)更改为(10000，32，32，3)是对数据集维度顺序的调整，适应不同的机器学习框架或算法对数据的要求。在云计算领域中，可以应用于图像识别、分类、目标检测等任务。腾讯云提供了相应的机器学习平台和工具，方便进行图像处理和模型训练。