我正在使用python 3.6版本。我有一系列的图像， 阵列大小为（4000,200,200,3） - 4000个大小（200,200,3）的图像。 我正在尝试重塑数组，使得每两个后续图像将合并为一个大小为（200,200,6）的图像，因此最终我将获得一个大小的数组（2000,200,200,6）。
我尝试了以下内容：
train = train.reshape(int(train.shape[0]/2),train.shape[1],train.shape[2],2*train.shape[3]);
我有一个形状阵列（2000,200,200,6），但似乎图像没有按照我想要的方式连接。
我的目的是训练一个深度学习模型，其中每个图像都是一个样本。 我使用带有张量流的keras作为后端。
模型以：
开头model = Sequential();
model.add(Conv2D(16, (3, 3), strides=(2, 2), activation='relu', input_shape=input_shape));
正如我所说，我希望input_shape为（200,200,6）
我构建了架构而不是使用：
num_epoch = 3; batch_size = 32;
model.fit(x=train, y=y_train, batch_size=batch_size, epochs=num_epoch, verbose=1, shuffle=True);
有什么想法吗？
谢谢！