使用sklearn的fetch_lfw_people时reshape报错：无法调整数组形状

嘿，我来帮你搞定这个reshape报错的问题！

首先，你遇到的核心问题是硬编码了图像尺寸（64x47），但实际获取到的数据集尺寸和这个完全不匹配。虽然你参考了文档，但大概率是误解了里面的尺寸说明——文档里提到的尺寸可能对应默认参数（比如默认resize=0.5），而你设置了resize=1，图像会保留原始大小，再加上min_faces_per_person=200的筛选条件，最终的图像尺寸和你预期的不一样。

快速修复方案：别硬写尺寸，从数据集里拿真实尺寸 #

fetch_lfw_people返回的对象自带一个images属性，它直接存储了二维的图像数据，我们可以从它的形状里提取真实的高度和宽度，这样就不会出错了：

from sklearn.datasets import fetch_lfw_people
from sklearn.model_selection import train_test_split

# 加载数据集
lfw_people = fetch_lfw_people(min_faces_per_person=200, resize=1)
X = lfw_people.data
y = lfw_people.target

# 获取图像的真实高度和宽度
img_height, img_width = lfw_people.images.shape[1], lfw_people.images.shape[2]
print(f"当前数据集的真实图像尺寸：{img_height}x{img_width}")

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25)

# 使用真实尺寸执行reshape
X_train = X_train.reshape(X_train.shape[0], 1, img_height, img_width).astype('float32')
X_test = X_test.reshape(X_test.shape[0], 1, img_height, img_width).astype('float32')

为什么会出现这个错误？ #

你计算的574*1*64*47=1,726,592，和报错里的总数据量6,744,500差了好几倍，这说明你假设的64x47完全不符合实际数据的像素数。

补充个小知识点：LFW数据集的原始图像是250x250像素，当你设置resize=1时，图像不会被缩放，所以每个样本的像素数是250*250=62500。你拿到的总数据量6,744,500除以62500，刚好对应训练集的样本数（大概108个），这也能验证你之前的尺寸假设是错误的。

内容的提问来源于stack exchange，提问作者afs_