构建深度学习自定义图像数据集时numpy数组形状异常问题咨询
问题核心原因
你得到的数组多出一个长度为1的冗余维度,根源是循环内X.append([pic])的写法:处理完成的单张图片本身已经是形状为(224, 224, 3)的数组,额外给它套一层列表嵌套后,每个被收集的元素就变成了“长度为1、内部装着图片数组”的列表结构,批量转成numpy数组时会自动对应生成嵌套维度,最终输出的形状就变成了(100, 1, 224, 224, 3)。
可落地的解决方法
- 直接修正追加逻辑:把嵌套写法去掉,将处理好的图片本身直接追加到收集列表中,也就是把
X.append([pic])替换为X.append(pic),注意不要给要追加的图片额外套一层无意义的列表结构,此时每个收集到的元素都是独立的(224, 224, 3)形状数组,批量转numpy后就能直接得到(100, 224, 224, 3)的目标形状。 - 存量数组快速修正:如果已经跑完读取流程生成了带冗余维度的数组,不需要重跑整个流程,直接用numpy的维度压缩能力处理即可,执行
X = np.squeeze(X, axis=1),就能精准去掉第二个维度上长度为1的冗余层,得到目标形状。 - 读取流程鲁棒性优化:cv2.imread遇到损坏图片、权限不足、路径错误的情况时会返回None,后续执行颜色空间转换、尺寸调整时会直接触发报错中断流程,建议在读取后增加判断,跳过无法正常加载的图片,保证数据集构建流程的稳定性。
修正后的完整参考代码:
import os import cv2 import numpy as np path = '/content/drive/My Drive/Dataset/Training' X = [] for img in os.listdir(path): pic = cv2.imread(os.path.join(path, img)) # 跳过无法正常读取的异常文件 if pic is None: continue pic = cv2.cvtColor(pic, cv2.COLOR_BGR2RGB) pic = cv2.resize(pic, (224, 224)) X.append(pic) X = np.array(X) print(X.shape)
内容的提问来源于stack exchange,提问作者pmaster3321
相关产品推荐
相关产品推荐

