如何调整图像数据的维度顺序以满足神经网络的输入要求

1. 调整维度顺序，将batch维度移至首位 #

当前你的数据集维度顺序为(dimension_x, dimension_y, batch_size)，使用numpy.transpose交换维度位置即可：

import numpy as np
# 维度顺序调整为 (batch_size, dimension_x, dimension_y)
x_train_adjusted = np.transpose(x_train_grey, axes=(2, 0, 1))

调整后x_train_adjusted.shape为(73257, 32, 32)。

2. 新增灰度通道维度，匹配网络输入要求 #

你设置的首层Flatten要求输入形状为(32, 32, 1)，需要在最后一维补充灰度通道：

# 方法1：使用expand_dims新增通道维度
x_train_final = np.expand_dims(x_train_adjusted, axis=-1)

# 方法2：使用reshape直接重定义形状
# x_train_final = x_train_adjusted.reshape(73257, 32, 32, 1)

调整后x_train_final.shape为(73257, 32, 32, 1)，完全符合网络输入要求，可直接传入模型训练。

内容的提问来源于stack exchange，提问作者mankojag