Question

我有一个文件夹列车，其中有13000个动物图像。我想用深层神经网络来训练它们。但是图像的大小不同，所以我运行以下代码来获得一个numpy数组X.

for i in range(m):
  my_image = "Img-"+str(i+1)+".jpg"
  fname = "train/train/"+my_image
  image = plt.imread(fname)
  X[i] = scipy.misc.imresize(image, size=(num_px,num_px)).reshape((1, num_px*num_px*3))

这适用于m到1000的值。但是当m = 13000时，我的训练集的大小，它会给出以下错误

ValueError                                Traceback (most recent call last)
<ipython-input-41-c214b5b43e33> in <module>()
      3     fname = "train/train/"+my_image
      4     image = plt.imread(fname)
----> 5     X[i] = scipy.misc.imresize(image, size=(num_px,num_px)).reshape((1, num_px*num_px*3))
ValueError: cannot reshape array of size 40000 into shape (1,120000)

这里的imresize（）是将图像大小调整为所需的大小。我的num_px值是256。任何帮助都会非常值得关注

Answer 1

您的一张图片是灰度图片，而不是RGB图片。请注意help(plt.imread)说（我的重点）：

返回值为numpy.array。 对于灰度图像，返回数组是MxN 。对于RGB图像，返回值为MxNx3。

scipy.misc.imresize(image, size=(num_px,num_px)) 返回形状(num_px,num_px)的数组，而不是(num_px,num_px,3)。因此，数组不能重新形成(1, num_px*num_px*3)。

（请注意，40000正好是120000的三分之一。）

要将所有图像转换为RGB，您可以使用：

from PIL import Image
for i in range(m):
    my_image = "Img-"+str(i+1)+".jpg"
    fname = "train/train/"+my_image
    img = np.asarray(Image.open(fname).convert('RGB'))
    X[i] = scipy.misc.imresize(image, size=(num_px,num_px)).reshape((1, num_px*num_px*3))

为了面向未来的代码，请注意help(scipy.misc.imresize)说（我的重点）：

imresize在SciPy 1.0.0中已弃用，将在1.2.0中删除。 使用skimage.transform.resize代替。

numpy数组中的大索引产生错误

1 个答案: