我有一个形状为 N×H×W×3 的数组trainAll的四维数据。我需要把它分开，所以我做了
X_train = trainAll[:,:,:,1]
Y_train = trainAll[:,:,:,1:3]
正如预期的那样，Y_train.shape N×H×W×2 。
但是X_train.shape N×H×W 因为最后一个维度的大小只有1。
但是神经网络需要四维数组，所以看起来应该是
N×H×W ×1
令人惊奇的是，如果我trainAll[:,:,:,2:3]，那么我会得到N*H*W*1，但我希望第一个维度分开，而不是最后一个维度。
老实说，我无法谷歌，因为我不知道该问什么。所以任何人都可以帮助我，这样我不仅可以分开第一维而且shape是 N×H×W ×1 而不是 N×H×W ？
答案 0 :(得分：1)
我能够弄清楚，但仍然不知道我的答案是否正确。我想知道python如何做到这一点以及当形状转移到N*H*W而不是N*H*W*1时发生了什么
解决方案： trainAll[:,:,:,0:1]因此，而不是trainAll[:,:,:,1]选择它只是将其切片
答案 1 :(得分：1)
尝试添加新轴作为所需尺寸。 （这里，作为第四个维度）。
X_train = trainAll[:, :, :, 0]
X_train = X_train[:, :, :, np.newaxis]
# now, X_train.shape will be N * H * W * 1
当您对切片进行切片时，首先将它们放在首位的原因是因为在使用单个索引时将结果切换为(n,)，并通过添加(n, 1)进行切换新轴。
答案 2 :(得分：0)
我找到了以下内容并且效果更好：tf.expand_dims tensorflow docs，为了减少维度，请使用：tf.squeeze()此处tf指的是tensorflow