如何解决MNIST适配AlexNet时维度转换的ValueError问题？

首先咱们来揪出你代码出错的根源：你的dim数组是(227,227)的形状，但numpy_imgs里的每个元素是(227,227,1)的单通道数组——两者维度不匹配，所以在执行np.stack时才会抛出“所有输入数组必须有相同形状”的错误。

快速修复你的原始代码 #

只需要给dim添加一个通道维度，让它和t[i]的形状保持一致就行：

import tensorflow as tf
import numpy as np
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
batch=mnist.train.next_batch(10)
X_batch = batch[0]
batch_tensor = tf.reshape(X_batch, [10, 28, 28, 1])
resized_images = tf.image.resize_images(batch_tensor, [227,227])
with tf.Session() as sess:
    numpy_imgs = resized_images.eval(session=sess) # 形状为(10,227,227,1)

r2=[]
t=list(numpy_imgs)
# 给dim添加通道维度，变成(227,227,1)
dim = np.zeros((227,227,1))
for i in range(0,10):
    # 现在三个数组形状统一，可正常执行stack操作
    R=np.stack((t[i], dim, dim), axis=2)
    r2.append(R)
y3=np.asarray(r2)
# 验证最终形状：输出应为(10,227,227,3)
print(y3.shape)

更简洁高效的实现方式 #

其实完全不用手动循环和拼接，直接用numpy.repeat就能一键把单通道扩展成三通道，代码更简洁，运行效率也更高：

# 假设numpy_imgs的形状是(10,227,227,1)
y3 = np.repeat(numpy_imgs, repeats=3, axis=3)
# 验证形状
print(y3.shape) # 输出 (10,227,227,3)

这个方法直接在通道维度（axis=3）上把每个单通道的数值重复3次，完美得到AlexNet需要的RGB输入格式。

如果你的环境是TensorFlow 2.x，还可以用框架自带的工具直接转换，连numpy操作都省了：

# 在TensorFlow 2.x中，resize后直接转RGB
resized_images = tf.image.resize(batch_tensor, [227,227])
rgb_images = tf.image.grayscale_to_rgb(resized_images)
# 转换成numpy数组直接调用numpy()方法
y3 = rgb_images.numpy()

内容的提问来源于stack exchange，提问作者Bckandemir