Keras构建猫狗分类CNN：数组大小翻倍及Reshape报错问题

问题现象 #

训练集共约20000张图，但training_data长度达到41900，后续打包X、Y并reshape时出现嵌套序列警告，以及ValueError: cannot reshape array of size 41900 into shape (50,50,1)错误。

错误原因 #

• 重复遍历图片：外层循环遍历CATEGORIES（dog和cat），每次循环都完整遍历整个文件夹的所有图片，导致每张图被处理两次，training_data长度翻倍。
• 图片未正确resize：cv2.resize函数不会修改原数组，需要将返回结果赋值给变量，否则存储的还是原始尺寸的图片，导致X中数组形状不一致，触发ragged序列警告，后续reshape失败。
• 标签reshape错误：标签Y是单类别值，不需要reshape成(50,50,1)，这个形状是给图像特征用的，标签应该保持一维或二维（样本数×1）。

修复代码 #

import os
import cv2
import numpy as np

DATADIR = "C:/Users/me/Jupyter Codes/dogs-vs-cats/train/train"
IMG_SIZE = 50 
training_data = []

def create_training_data():
    # 直接遍历文件夹所有图片，无需外层CATEGORIES循环
    for img in os.listdir(DATADIR):
        animal = img.split('.')[0]
        # 根据文件名判断类别，0代表cat，1代表dog（可自行调整）
        class_num = 0 if animal == 'cat' else 1
        # 读取灰度图
        img_array = cv2.imread(os.path.join(DATADIR, img), cv2.IMREAD_GRAYSCALE)
        # 必须将resize结果赋值给变量，确保存储的是统一尺寸的图片
        resized_img = cv2.resize(img_array, (IMG_SIZE, IMG_SIZE))
        training_data.append([resized_img, class_num])

create_training_data()
print(f"training_data长度：{len(training_data)}") # 应该接近20000

# 打包X和Y
X = []
Y = []

for features, label in training_data:
    X.append(features)
    Y.append(label)

# 转换为numpy数组并reshape特征X
X = np.array(X).reshape(-1, IMG_SIZE, IMG_SIZE, 1)
# 标签Y转换为一维numpy数组即可，无需reshape成图像形状
Y = np.array(Y)

关键修改点说明 #

• 移除多余循环：删掉外层遍历CATEGORIES的循环，直接遍历文件夹图片，通过文件名判断类别，避免重复处理。
• 正确处理resize：将cv2.resize的返回值赋值给新变量，确保存入training_data的是统一50×50尺寸的灰度图。
• 修正标签处理：Y只需要转换为一维numpy数组，符合CNN对标签的输入要求（如果用categorical_crossentropy，后续可转成one-hot编码）。

内容的提问来源于stack exchange，提问作者I. Majid