Numpy数组添加维度失败：适配Keras Conv2D层输入需求

我一眼就看出问题出在哪了——你调用reshape()之后没有把结果赋值回mask_instance变量啊！numpy的reshape方法默认是返回一个新的数组，不会直接修改原数组的形状，所以你两次打印的结果才会一模一样。

修改后的代码 #

img_instance = cv2.imread(df.iloc[i][x_col]) / 255.
img_instance = cv2.resize(img_instance, (target_size[1], target_size[0]))
mask_instance = cv2.imread(df.iloc[i][y_col], cv2.IMREAD_GRAYSCALE) / 255.
mask_instance = cv2.resize(mask_instance, (target_size[1], target_size[0]))
print(mask_instance.shape)
# 关键：把reshape的结果赋值回原变量
mask_instance = mask_instance.reshape(target_size[0], target_size[1], 1)
print(mask_instance.shape)

这样修改后，第二次打印就会输出你需要的(512, 370, 1)形状，刚好能适配Keras中Conv2D层的输入要求（因为Conv2D需要显式的通道维度，哪怕是单通道灰度图也不能省略）。

两种替代方案 #

除了reshape，你还可以用这两种更直观的方法来增加通道维度：

• 使用np.expand_dims（专门用于新增数组维度）：

  mask_instance = np.expand_dims(mask_instance, axis=-1)
  

  这里axis=-1表示在数组的最后一个位置新增维度，效果和reshape完全一致。
• 如果用TensorFlow的话，也可以用tf.expand_dims，用法和numpy版本类似：

  mask_instance = tf.expand_dims(mask_instance, axis=-1)
  

调整后的mask形状就能完美匹配你模型里的Conv2D层输入了，不会再因为维度不匹配报错。

内容的提问来源于stack exchange，提问作者SDG