Sklearn标签编码报错：ValueError: 解包值不足(期望3个，得到1个)

报错原因 #

ValueError: not enough values to unpack (expected 3, got 1) 是因为train_masks的维度不是代码预期的3维（样本数n + 高度h + 宽度w），实际是1维数组，导致无法解包出3个变量。

解决方案 #

先检查掩码的实际维度，再根据情况修正，同时修复原代码中LabelEncoder的隐藏问题（要求输入为1维数组）：

修改后的完整代码 #

# Encode labels... 
from sklearn.preprocessing import LabelEncoder
import numpy as np

labelencoder = LabelEncoder()

# 1. 检查并修正掩码维度
print("原始掩码形状:", train_masks.shape)
if len(train_masks.shape) == 2:
    # 单张掩码（仅H,W），添加样本维度转为(1, H, W)
    train_masks = train_masks[np.newaxis, ...]
elif len(train_masks.shape) == 1:
    # 1维掩码需手动指定原形状，替换成你的实际样本数、高、宽
    # 示例：train_masks = train_masks.reshape(100, 256, 256)
    raise ValueError("1维掩码无法自动恢复形状，请手动指定(N, H, W)尺寸后reshape")

# 2. 正常解包维度
n, h, w = train_masks.shape

# 3. 扁平化并编码（修复LabelEncoder的输入要求）
train_masks_reshaped = train_masks.reshape(-1)  # 直接转成1维，无需额外维度
train_masks_encoded = labelencoder.fit_transform(train_masks_reshaped)

# 4. 重塑回原形状
train_masks_encoded_original_shape = train_masks_encoded.reshape(n, h, w)

关键说明 #

• 若掩码是单张图片（2维H,W）：用np.newaxis添加样本维度，变成(1, H, W)，满足3维解包要求
• 若掩码是被错误展平的1维数组：必须手动指定原有的(N, H, W)形状，因为程序无法自动推断原始尺寸
• 原代码中train_masks_reshaped = train_masks.reshape(-1,1)生成的是2维数组，LabelEncoder要求输入为1维，因此直接用reshape(-1)转成1维即可避免后续报错

内容的提问来源于stack exchange，提问作者Bet