Question

我正在开发CNN，通过使用基于张量流的TFlearn对图像进行分类，现在我使用scipy.misc.imread创建数据集，并将图像大小设置为150x150，channels = 3，现在我得到了一个列表中包含4063（我的图像数量）（150,150,3）数组，现在我想将其转换为nd-array（4063,150,150,3），我不知道如何解决它，请帮我。提前谢谢！

import numpy as np
import os
import tensorflow as tf
from scipy import misc
from PIL import Image

IMAGE_SIZE = 150
image_path = "dragonfly"

labels = np.zeros((4063, 1))
labels [0:2363] = 1
labels [2364:4062] = 0
test_labels = np.zeros((200, 1))
test_labels [0:99] = 1
test_labels [100:199] = 0

fset = []
fns=[os.path.join(root,fn) for root,dirs,files in os.walk(image_path) for fn in files]
for f in fns:
    fset.append(f)

def create_train_data():
    train_data = []
    fns=[os.path.join(root,fn) for root,dirs,files in os.walk(image_path) for fn in files]
    for f in fns:
        image = misc.imread(f)
        image = misc.imresize(image, (IMAGE_SIZE, IMAGE_SIZE, 3))
        train_data.append(np.array(image))
    return train_data

train_data = create_train_data()
print (len(train_data))

training_data = train_data[0:2264] + train_data[2364:3963]
train_labels = np.concatenate((labels[0:2264], labels[2364:3963]))
test_data = train_data[2264:2364] + train_data[3963:4063]

我获得了train_data，这是我要转换的列表

Answer 1

如果您有一个带有形状（150,150,3）的图像列表（numpy数组），那么您可以通过constructor或调用np.asarray将外部列表转换为numpy数组。 function（隐式调用构造函数）：

np.array([np.ones((150,150,3)), np.ones((150,150,3))]).shape
>>> (2, 150, 150, 3)

编辑：在您的情况下，将此添加到create_train_data函数return。：

return np.array(train_data)

或者，如果要将多个numpy数组添加到新的numpy数组中，可以使用numpy.stack将它们添加到新维度。

import numpy as np
img_1 = np.ones((150, 150, 3))
img_2 = np.ones((150, 150, 3))

stacked_img = np.stack((img_1, img_2))
stacked_img.shape
>>> (2, 150, 150, 3)

Answer 2

您可以在列表中使用np.asarray。

>>> import numpy as np
>>> l = []
>>> for i in range(4063):
...     l.append(np.zeros((150,150,3)))
...
>>> type(l)
<type 'list'>
>>> a = np.asarray(l)
>>> type(a)
<type 'numpy.ndarray'>
>>> a.shape
(4063, 150, 150, 3)

将列表转换为n维数组以提供给TFlearn

2 个答案: