扁平化空间索引向高维空间映射的规则
在图形图像处理、数值计算、机器学习等领域，常常会遇到由扁平空间索引向高维空间转换计算的问题，其核心思想就是：高维度索引位置取决于扁平索引和所有低纬度索引空间之积的倍数。
通用规则：
对于 N 维数组，维度大小为 [d1, d2, ..., dN]，扁平化索引为 idx：
从最低维度（dN）开始计算
第 N 维索引 = idx % dN
对于第 n 维（n < N）：
idx = idx ÷ (dn+1 * dn+2 * ... * dN) （向下取整）
第 n 维索引 = idx % dn
二维例子：3x4 数组，扁平化索引 5
维度：[3, 4]
列索引（第2维）= 5 % 4 = 1
行索引（第1维）= (5 ÷ 4) % 3 = 1 % 3 = 1
结果：[1, 1]（第2行，第2列，从0开始计数）
三维例子：2x3x4 数组，扁平化索引 15
维度：[2, 3, 4]
第3维索引 = 15 % 4 = 3
临时索引 = 15 ÷ 4 = 3
第2维索引 = 3 % 3 = 0
临时索引 = 3 ÷ 3 = 1
第1维索引 = 1 % 2 = 1
结果：[1, 0, 3]
注意：第 n 维索引 = idx % dn的计算不是必须的，特别是已知idx是合理数值的前提下，特别是对于某些高性能需求的场景。
