如何在python中将3D数组转换为2D？

Question

我有一个2890张tiff lzw压缩图像的文件夹作为标签，供深度学习使用（我有2类，分别是1和2）。我想将它们准备为需要2D数组的模型的输入。因此，我使用imread()库中的skimage.io将它们读取为2890个numpy数组（Y）的列表，然后将该列表转换为nd.array（Y_train）。现在我有3个维度（2890、224、224）的Y_train，其中224、224是输入图像大小。 现在，我需要将此3D数组转换为2D数组，如（2890,2）2显示类号。

1. 我使用了Y_train.reshape(2890,2)并得到了以下错误：ValueError: cannot reshape array of size 145008640 into shape (2890,2).

2. 我还使用了to_categorical中的keras.utils并获得了4D arry（2890，224，224，3）。

如何将3D数组（2890、224、224）转换为2D数组（2890,2）？

Answer 1

假设您要将其重塑为（2890，224 * 224），则可以通过在要替换旧尺寸的尺寸中放置-1来实现。例如 np.reshape(2890, -1)

Answer 2

我认为您对重塑操作有一个非常错误的想法。整形操作可确保矩阵/向量中的元素数无论如何都相同。

因此，您只能将形状为(A, B, C, D)的矩阵重塑为(A, E) iff B x C x D = E。

您有两个完全不同的数组，X的形状为（-1，224，224），Y的形状为（-1，2）。您不仅可以整形，还必须将图像读取为numpy数组，并且对于每个图像，将标签附加到另一个numpy数组，之后可以应用 to_categorical （Keras）或 LabelEncoder （scikit学习）。

遵循一些在线资源以了解阅读标签的方法：Tensorflow read images with labels