在机器学习中经常会碰到各种图像数据集,有的是按照num*height*width*channel来存储的,而有的则是num*channel*height*width。然后每次碰到这种问题都会想半天该怎么相互变换。
也想过自己手敲代码实现,但是一方面速度肯定没别人的方法好,另一方面还不一定是对的233。其实numpy已经帮我们都弄好了,我们只要使用np.transpose方法即可。
例如输入数据是a.shape = 1000*32*32*3(num*height*width*channel)
我们只需要使用如下代码即可达到要求。
这个可以用于扩展一个新的维度,例如假设我们的标签y.shape=(10,),我们想把它变成**(10,1)**该怎么做?很简单:
效果图如下:
现假设我们有一组二维图像数据集,其大小为3*2*2 (num*height*width)。我们现在想将这个二维数据集转化成3维的,而且最后维度顺序要是num*height*width*channel,我们应该咋办呢?
新增加一个维度,建议先将channel增加在第二个维度,这样更好理解,而且数据不会被打乱。
最后来验证一下这一波操作是否正确:
可以看到是正确的!!!
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。