如何在python中将3D数组转换为2D？答案

【问题标题】：How to convert 3D array to 2D in python?如何在python中将3D数组转换为2D？
【发布时间】：2020-03-13 19:08:26
【问题描述】：

我有一个包含 2890 个 tiff lzw 压缩图像的文件夹作为用于深度学习的标签（我有 2 个类，1 和 2）。我想将它们准备为需要二维数组的模型的输入。所以我使用skimage.io 库的imread() 将它们作为2890 个numpy 数组（Y）的列表读取，然后将列表转换为nd.array（Y_train）。现在我有 3 个维度（2890、224、224）的 Y_train，其中 224 ,224 是输入图像大小。现在我需要将这个 3D 数组转换为 2D 数组，因为 (2890,2) 2 表示类号。

我使用了Y_train.reshape(2890,2)，得到了这个错误：ValueError: cannot reshape array of size 145008640 into shape (2890,2).
我也使用了to_categorical 中的keras.utils 并得到了 4D 数组 (2890, 224, 224, 3)。

如何将 3D 数组 (2890, 224, 224) 转换为 2D 数组 (2890,2)？

【问题讨论】：

这并不完全是重复的，但这里已经有你想要做的事情的答案by slicing the numpy array
请提供完整的错误信息，以及minimal reproducible example。

标签： python 3d 2d

【解决方案1】：

我认为你对重塑操作有一个非常错误的想法。整形操作确保矩阵/向量中的元素数量无论如何都相同。

因此，您只能将形状为 (A, B, C, D) 的矩阵重塑为 (A, E) iff B x C x D = E。

您有两个完全不同的数组，形状为 (-1, 224, 224) 的 X 和形状为 (-1, 2) 的 Y。您不能只是重塑它们，您必须将图像读取为 numpy 数组，并且对于每个图像，将标签附加到另一个 numpy 数组，之后您可以应用 to_categorical (Keras) 或 LabelEncoder (scikit-learn)。

关注一些在线资源以了解阅读标签：Tensorflow read images with labels

【讨论】：

这是我使用的代码：labels_path = "D:/01_thesis/data/qgis/01_classification/LABEL/"labels = glob.glob(labels_path + "*.tif") labels.sort()Y = []for mask in labels: label = imread(mask) Y.append(label) Y_train = np.asarray(Y)Y_train_categorical = keras.utils.to_categorical(Y_train)
这似乎没问题，尽管这样很难阅读代码。有效吗？
它正在工作，但最后我有一个 4D 数组，即 (2890, 224, 224, 3)。
这是正确的维度。 2890 是您拥有的图像或样本的数量。 224 = 图像宽度，224 = 图像高度，3 = 图像通道（红、绿、蓝）
我收到了这个错误：ValueError: Error when checking target: expected fc1000 to have 2 dimensions, but got array with shape (2312, 224, 224, 3) 2312 是将 2890 拆分为训练和测试的结果。

【解决方案2】：

假设您打算将其重塑为 (2890, 224*224)，您可以通过在要替换旧尺寸的尺寸中添加 -1 来做到这一点。例如 np.reshape(2890, -1)

【讨论】：