【发布时间】：2019-12-15 02:42:35
【问题描述】：
我有一个形状 (128,64,3) 的图像。现在我需要向该图像添加批次以适合模型。我的图像的输出应该是 (1,128,64,3) 其中 1 是 batch_size 而不会影响图像特征。
【问题讨论】：
标签： image numpy tensorflow keras cv2
【发布时间】：2019-12-15 02:42:35
【问题描述】：
为了在模型中输入图像，您必须扩大其尺寸。你可以这样做：
image = np.random.rand(128, 64, 3)
# Image shape (128, 64, 3)
image = tf.expand_dims(image, axis=0)
# Image shape (1, 128, 64, 3)
但是，如果要绘制图像，它必须具有 3D 形状。换句话说，初始形状很好。但是，如果您已经有一批形状为(1, 128, 64, 3) 的图像，那么您可以像这样挤压它们的形状：
img = np.squeeze(image)
# Image shape (128, 64, 3)
matplotlib.pyplot.imshow(img)
像这样，绘制图像应该是可行的。因此，总而言之，模型期望的图像输入与您想要绘制图像所需的图像输入不同。也就是说，模型需要 4D 输入 (batch_size, width, height, channels)，而 matplotlib 需要 3D 输入 (width, height, channels)。
【讨论】：
-
img = np.expand_dims(img, axis=0)#试过这个，但在尝试使用matplotlib.pyplot.imshow(img)时出现此错误。 TypeError：图像数据的尺寸无效 -
如果你想在图定义之外进行张量展开，那很好。我假设您想在图表中执行此操作。
-
我建立了一个模型，但这个图像不符合这个模型。为了使图像适合模型，我需要将其形状变成
(1,128,64,3) -
即使
tf.expand_dims(image,axis=0)在绘图时也会抛出同样的错误。 -
挤压后又回到(128,64,3)