我有一个32个numpy数组的列表,每个数组的形状为(n, 108, 108, 2)
,其中n
在每个数组中都是不同的。我想将它们全部堆叠起来以创建一个形状为(32, m, 108, 108, 2)
的numpy数组,其中m
是n
中的最大值,而较短的数组将填充零。
我该怎么做?
我昨天问过something similar,但是当像我这样使用深数组时,答案似乎就中断了。
最后,我最终采用了此解决方案,该解决方案生成了最干净的代码:
data = np.column_stack(zip_longest(*data, fillvalue=0))
但是现在它抛出此错误:
ValueError: setting an array element with a sequence.
答案 0 :(得分:2)
在我的情况下,我需要堆叠宽度不同的图像,并在左侧填充零。 对我来说,这很好:
np.random.seed(42)
image_batch = []
for i in np.random.randint(50,500,size=10):
image_batch.append(np.random.randn(32,i))
for im in image_batch:
print(im.shape)
输出:(32,152) (32,485) (32,398) (32,320) (32,156) (32,121) (32,238) (32,70) (32,152) (32,171)
def stack_images_rows_with_pad(list_of_images):
func = lambda x: np.array(list(zip_longest(*x, fillvalue=0))) # applied row wise
return np.array(list(map(func, zip(*list_of_images)))).transpose(2,0,1)
res = stack_images_rows_with_pad(image_batch)
for im in rez:
print(im.shape)
输出:(32,485) (32,485) (32,485) (32,485) (32,485) (32,485) (32,485) (32,485) (32,485) (32,485)
答案 1 :(得分:1)
尝试一下:
# Create matrices with random first axis length.
depth = np.random.randint(3,20,size=32)
l = []
lmax = 0
for i in depth:
l.append(np.ones((i,10,10,2)))
lmax = i if i > lmax else lmax
# Join the matrices:
new_l = []
for m in l:
new_l.append(np.vstack([m, np.zeros((lmax-m.shape[0], 10, 10, 2))]))
master = np.stack(new_l, axis=0)
master.shape
>>> (32, 19, 10, 10, 2)
我发现np.pad
在高维矩阵上几乎是不可能使用的-幸运的是,您所要求的很简单,其中仅一维必须扩展,因此易于使用np.vstack
堆叠零点数组以使其符合新形状。
答案 2 :(得分:0)
我在this webpage中找到了一个敬虔的答案。
pad_sequences
功能正是我所需要的。
from tensorflow.python.keras.preprocessing.sequence import pad_sequences
result = pad_sequences(imgs, padding='post')
答案 3 :(得分:0)
v-data-table