如何将128维人脸编码存储为numpy多维数组中每行128列的格式？

问题根源 #

你当前的写法存在两个问题：

• np.append 未指定axis参数时，会自动将所有输入数组扁平化后拼接，因此128维的单图编码会被直接追加到1维数组末尾
• 若你初始化self.image_encodings_list时用的是1维空数组，最终得到的整体数组形状是(N*128,)，自然会被识别为N*128个独立行，而不是N行128列的格式

修改方案 #

方案1：保持用np.append的写法 #

首先调整初始化逻辑，将编码存储容器改为2维空数组，拼接时指定拼接轴，并给单图编码升维：

# 初始化阶段：创建形状为(0,128)的空2维数组，dtype和人脸编码保持一致
self.image_encodings_list = np.empty((0, 128), dtype=np.float64)

# 业务逻辑修改
image_encodings = np.array(
    face_recognition.face_encodings(
        bgr_image, self.image_locations, model="cnn"
    )
)
self.image_encodings = image_encodings[0]
# 单图编码升维为(1,128)后沿行维度拼接
self.image_encodings_list = np.append(self.image_encodings_list, [self.image_encodings], axis=0)

方案2：更高性能的写法（推荐） #

np.append 每次调用都会重新分配整块内存，处理图片数量较多时性能很差，建议先用列表缓存所有编码，最后一次性转成numpy数组：

# 初始化阶段：用空列表做缓存
self.image_encodings_list = []

# 业务逻辑修改
image_encodings = np.array(
    face_recognition.face_encodings(
        bgr_image, self.image_locations, model="cnn"
    )
)
self.image_encodings = image_encodings[0]
# 直接追加到列表
self.image_encodings_list.append(self.image_encodings)

# 所有图片处理完成后，一次性转成numpy数组，得到的就是(N,128)的目标格式
self.image_encodings_list = np.array(self.image_encodings_list)

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