Question

有一个形状为A的nd数组[100,255,255,3]，对应于100个255 * 255个图像。我想迭代这个多维数组，每次迭代我得到一个图像。这就是我所做的，A1 = A[i,:,:,:]生成的A1具有形状[255,255,3]。但是，我想强制它具有[1,255,255,3]形状。我该怎么办？

Answer 1

np.reshape(A1, (1, 255, 255, 3))

应该做的伎俩

Answer 2

在结果数组上使用np.newaxis。

二维数组上非常简单的例子：

x = np.array([[0, 1], [2, 3]])
x.shape
#: (2, 2)
x[np.newaxis]
#: array([[[0, 1],
#:         [2, 3]]])
x[np.newaxis].shape
#: (1, 2, 2)

Answer 3

当然，没问题。使用'重塑'。假设A1是一个numpy数组

A1 = A1.reshape（[1,255,255,3]）

这会重塑你的矩阵。

如果A1不是numpy数组，那么使用

A1 = numpy.array（A1）.reshape（[1,255,255,3]）

Answer 4

答案是......这是一个例子，请注意你必须仔细看托架以辨别a和b是否因尺寸不同而

>>> a = np.arange(2*2*2*2).reshape(2,2,2,2)
>>> a.ndim
4
>>> b = a.reshape((1,)+a.shape)
>>> b.ndim
5
>>> a
array([[[[ 0,  1],
         [ 2,  3]],

        [[ 4,  5],
         [ 6,  7]]],


       [[[ 8,  9],
         [10, 11]],

        [[12, 13],
         [14, 15]]]])
>>> b
array([[[[[ 0,  1],
          [ 2,  3]],

         [[ 4,  5],
          [ 6,  7]]],


        [[[ 8,  9],
          [10, 11]],

         [[12, 13],
          [14, 15]]]]])

Answer 5

如果使用：

for a in A: # iteration on the first dimension
   a = a[None,...]   # add the dim back
   # or a.reshape(...)

但如果使用

for i in range(A.shape[0]):
    a = A[[i]]    # preserve the 1st dim
    # or a = A[None,i,...]

但我喜欢使用enumerate所以：

for i, a in enumerate(A):
    a = a[None,...]

但我鼓励你思考为什么你需要这个初始的1维。也许你甚至不需要迭代？

为多维数组添加虚拟维度

5 个答案: