Question

我试图通过将每个图像的numpy数组附加到该单个数组来读取30个图像并从中创建一个大的numpy数组，以便稍后我可以在keras的流函数中使用它。

我有一个空列表，我在循环中进行面部检测后附加numpy数组，之后我从这个列表中创建一个大的numpy数组。问题是，当我从这个列表中创建一个numpy数组时，它会将我的数组的形状（最初为（1,139,139,3））更改为（30,1,139,139,3）。当我追加时，它基本上会在开始时添加图像总数，并且我想恢复到原始形状。我不想使用重塑，因为这可能会影响数据。

以下是代码：

img_width, img_height = 139, 139
confidence = 0.8
#graph = K.get_session().graph
data1 = []
def get_face(path):
    with graph.as_default():
        img = io.imread(path)
        dets = detector(img, 1)
        output = None
        for i, d in enumerate(dets):
            img = img[d.top():d.bottom(), d.left():d.right()]
            img = resize(img, (img_width, img_height))
            output = np.expand_dims(img, axis=0)
            break
        return output

for row in df.itertuples():
    data1.append(get_face(row[1]))
data1 = np.array(data1)
print(data1)

Answer 1

@filippo指出你可能想省略np.expand_dims。

img_width, img_height = 139, 139
confidence = 0.8
#graph = K.get_session().graph
data1 = []
def get_face(path):
    with graph.as_default():
        img = io.imread(path)
        dets = detector(img, 1)
        output = None
        for i, d in enumerate(dets):
            img = img[d.top():d.bottom(), d.left():d.right()]
            output = resize(img, (img_width, img_height))
            break
        return output

for row in df.itertuples():
    data1.append(get_face(row[1]))
data1 = np.array(data1)
print(data1)

这段代码将生成一个包含形状(139, 139, 3)的30个numpy数组的列表。在其上调用np.array构造函数将为您提供形状为(30, 139, 139, 3)的数组。您还应该阅读np.stack和np.concatenate的文档。使用第二个函数，如果出于任何原因需要，可以实际保存np.expand_dims。

Answer 2

np.array在新的前端维度上加入列表的元素：

In [141]: alist = []
In [142]: for i in range(2):
     ...:     arr = np.zeros((3,4))
     ...:     alist.append(arr)
     ...:     
In [143]: np.array(alist).shape
Out[143]: (2, 3, 4)

expand_dims添加了一个新维度：

In [144]: alist = []
In [145]: for i in range(2):
     ...:     arr = np.zeros((3,4))
     ...:     arr = np.expand_dims(arr,0)
     ...:     alist.append(arr)
     ...:     
In [146]: np.array(alist).shape
Out[146]: (2, 1, 3, 4)

concatenate加入现有维度：

In [149]: np.concatenate(alist, axis=0).shape
Out[149]: (2, 3, 4)

np.array的替代方法是np.stack。

如何在追加时避免改变numpy数组的形状？

2 个答案: