我有一个4D numpy数组：（＃images，高度，宽度，通道）RGB图像。确切尺寸是（46，224，224，3）。
我也有相同图像的灰度版本。确切的尺寸是（46，224，224，1）。
我正在与Keras一起玩，试图使自动编码器从灰度级中学习图像值，但是模型抱怨尺寸，所以我想将2个额外的通道添加到灰度级数组中，但是我似乎不知道怎么办。
temp_gray_images = np.zeros(original_images.shape, dtype=np.float32)
temp_gray_images[:,:,:,0] = gray_images
ValueError: could not broadcast input array from shape (46,224,224,1) into shape (46,224,224)
因此，我随后了解了numpy.hstack，并打开了一个新终端，并尝试使用一些虚拟数据和我可以处理的许多尺寸，并能够获得预期的结果。但是，这似乎不适用于4维。
temp_gray_images = np.hstack([gray_images, np.zeros([original_images.shape[0], original_images.shape[1], original_images.shape[2], 2])])
ValueError: all the input array dimensions except for the concatenation axis must match exactly
这没有意义，因为我将前三个尺寸保持相同大小。
但是最终验证数据与火车数据不匹配，因为RGB和灰度中有2个额外的通道。
x_train shape: (46, 224, 224, 3)
xtest_shape shape: (46, 224, 224, 1)
autoencoder.fit(x_train, x_train, epochs=50, batch_size=256, shuffle=True, validation_data=(x_test, x_test))
谢谢。
答案 0 :(得分：0)
这就是您要寻找的吗？
NetworkId重复将将灰度图像复制到所需数量的通道中