ConvNet开发中如何将整数与np.array图像一同保存？

当然可以用numpy实现你的需求！你遇到的ValueError是因为np.concatenate要求所有输入数组的维度必须完全一致——你的图像是2维数组(474,31)，而按键标签是1维数组(1,)，维度不匹配才会报错。下面给你几种实用的解决方案，你可以根据自己的需求选择：

方案1：调整标签维度后拼接（适合需要单个数组的场景） #

如果必须把图像和标签合并成一个数组，你可以先把1维的标签扩展成和图像同维度的数组，再进行拼接。比如把标签作为额外的一列添加到图像中：

# 将key_pressed扩展为和图像行数一致的2维数组（形状(474,1)）
key_pressed_2d = np.full((window.shape[0], 1), key_pressed[0])
# 沿着列方向拼接图像和标签
combined_array = np.concatenate((window, key_pressed_2d), axis=1)
print(combined_array.shape)  # 输出 (474, 32)

不过这种方式会重复存储标签值，适合某些特定的训练数据格式需求。

方案2：使用numpy结构化数组（推荐存储异构关联数据） #

结构化数组允许在同一个数组中存储不同类型、不同形状的数据，完美匹配你的“图像+单个标签”需求，还不会冗余存储：

# 定义结构化数据类型：image字段对应图像的形状和类型，label字段对应标签类型
data_type = [('image', window.dtype, window.shape), ('label', key_pressed.dtype)]
# 创建结构化数组
combined_struct = np.array([(window, key_pressed[0])], dtype=data_type)
# 保存到文件
np.save('training_data.npy', combined_struct)
# 读取示例
loaded_data = np.load('training_data.npy', allow_pickle=True)
loaded_image = loaded_data[0]['image']
loaded_label = loaded_data[0]['label']
print(loaded_image.shape, loaded_label)  # 输出 (474,31) 1或0

方案3：用np.savez分开保存（最灵活的深度学习常用方式） #

如果不需要把数据合并成单个数组，np.savez可以把图像和标签打包成一个压缩文件，读取时能单独提取每个数据，这也是深度学习项目中最常用的方式：

# 保存图像和标签到同一个.npz压缩文件
np.savez('convnet_samples.npz', image=window, label=key_pressed)
# 读取文件
saved_data = np.load('convnet_samples.npz')
loaded_image = saved_data['image']
loaded_label = saved_data['label']
print(loaded_image.shape, loaded_label.shape)  # 输出 (474,31) (1,)

这种方式不仅灵活，还能节省存储空间，非常推荐你优先尝试！

内容的提问来源于stack exchange，提问作者Setti