numpy中stack和concatenate的区别

numpy中 np.stack和 np.concatenate 的区别

说明：imgs是list类型。里面存放的是numpy数组，shape = (1,h,w)

1.1、np.stack：堆叠

作用：在第一个维度之前新增加一个维度，即 由 C H W --> B C H W

• 情况1：imgs大小为1

im = np.stack(imgs)		# (1,h,w) --> (1,1,h,w)

• 情况2：imgs大小为10

im = np.stack(imgs)		# (1,h,w) --> (10,1,h,w)

1.2、np.concatenate：拼接

作用：在原来的维度基础上，将imgs中的多个numpy进行维度拼接。

• 情况1：imgs大小为1，axis=0

# axis=0表示在第一个维度上进行拼接操作
im = np.concatenate(imgs,axis=0)
im.shape = (1,h,w)

• 情况2：imgs大小为10，axis=0

# axis=0表示在第一个维度上进行拼接操作
im = np.concatenate(imgs,axis=0)
im.shape = (10,h,w)

• 情况3：imgs大小为10，axis=1

# axis=1表示在第二个维度上进行拼接操作
im = np.concatenate(imgs,axis=1)
im.shape = (1,h*10,w)