关于numpy.save保存0维数组的原因及维度转换问题咨询

问题背景 #

使用人体姿态估计模型生成姿态热力图，数组形状为[p k h w]（其中p为帧中人数，k为关键点数量，h/w为热力图高/宽），通过numpy.save保存数组。处理15000个视频（约100万帧）后，发现10-15帧的保存文件形状为[0 17 96 72]，存在两个疑问：

1. 为何会生成并保存维度为0的数组？ #

这是主流姿态估计模型的标准化设计：

• 为了维持输出结构的一致性，方便后续批量处理（如数组拼接、循环遍历），模型检测不到人体时，不会返回None，而是返回人数维度p为0的空数组。这种设计能避免因返回值类型不一致导致的代码报错，尤其在批量推理场景下更实用。
• 你直接用numpy.save写入了这个空数组，因此磁盘文件保留了[0,17,96,72]的形状。

2. 能否将[0 17 96 72]的数组转换为[1 17 96 72]？ #

可以实现，但需明确：原0维度数组无有效姿态数据，转换后的数组只能用默认值填充，无法恢复真实姿态。具体方法如下：

• 无需使用numpy.squeeze()（该方法用于压缩维度为1的轴，与当前需求相反），直接生成对应形状的数组即可。示例代码：

import numpy as np

# 加载异常的npy文件
abnormal_arr = np.load("path/to/your/abnormal_file.npy")
# 生成[1,17,96,72]形状的全0数组（可根据需求替换为其他默认值）
corrected_arr = np.zeros((1, 17, 96, 72), dtype=abnormal_arr.dtype)
# 保存修正后的数组
np.save("path/to/save/corrected_file.npy", corrected_arr)

• 如果只是需要调整维度结构而非填充数值，也可以用np.expand_dims结合空数组，但实际场景下全0占位是最常用的方案。

内容的提问来源于stack exchange，提问作者NitishJaiswal