NumPy重塑灰度图为48×48张量时触发内置方法TypeError的解决方法
报错根因
本次TypeError的直接触发逻辑为代码混淆了numpy数组的方法与属性:
reshape是numpy ndarray的内置实例方法,作用为调整数组维度,本质是函数对象,本身不存储维度数值,无法通过方括号[]做下标索引- 代码中错误书写的
images.reshape[0],本质是尝试对函数对象执行下标取值操作,直接触发“内置方法对象不可下标访问”的类型报错
分步排查与修正
- 修正核心维度取值错误
获取图像数组第一维(样本批次维度)元素数时,应调用numpy ndarray用于存储维度信息的shape元组属性,将原错误行的取值逻辑从images.reshape[0]替换为images.shape[0],修正后代码为:images = images.reshape(images.shape[0], 48, 48, 1).astype('float32') - 补充维度校验规避后续报错
像素字符串解析完成后,需及时校验数组维度,确保后续reshape操作可正常执行:
在images = np.array([np.fromstring(pixel, dtype=int, sep=" ") for pixel in pixels])后增加打印语句:print(images.shape)
该语句的预期输出维度为(总样本量, 2304)(单张图48*48的像素总长度)。若输出的第二维不等于2304,需排查像素解析问题:- 检查原像素字符串的分隔符是否统一为半角空格,是否混入制表符、换行符等特殊字符
- numpy 1.24及以上版本环境下,建议显式为
np.fromstring增加count=48*48参数,强制单张图读取固定长度的像素值,避免解析偏移
- 优化数据类型适配
原代码中像素读取使用dtype=int会带来多余内存开销,可替换为dtype=np.uint8匹配0-255的灰度像素值范围,在归一化到0-1区间后再转float32,整体张量计算效率更高。
修正后完整预处理代码
Expressions = {0:"Angry",1:"Disgust",2:"Fear",3:"Happy",4:"Sad",5:"Surprise",6:"Neutral"} import numpy as np from keras.utils import to_categorical # 标签独热编码转换 labels = to_categorical(labels, len(Expressions)) # 灰度像素字符串解析,兼容高版本numpy解析规则 images = np.array([np.fromstring(pixel, dtype=np.uint8, sep=" ", count=48*48) for pixel in pixels]) # 像素值归一化到0-1范围 images = images / 255.0 # 重塑为卷积神经网络要求的(样本数, 高, 宽, 通道数)格式单通道张量 images = images.reshape(images.shape[0], 48, 48, 1).astype('float32')
内容的提问来源于stack exchange,提问作者Muhammad Danial Siddiqui
相关产品推荐
相关产品推荐

