MNIST数据集(28, 28)到(28, 28, 3)

一、从下载数据集开始说起

from keras.datasets import mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()

通过上面代码下来的数据集的数据的shape是：

print(x_train.shape)
(60000, 28, 28)

print(y_train.shape)
(60000, 10)

print(x_test.shape)
(10000, 28, 28)

print(y_test.shape)
(10000, 10)

查过很多篇文章，几乎都是(28,28)变成(784,4)然后用全连接网络进行分类。而如果想要卷积神经网路来进行手写数据集的分类时，大多数时候传入网络的图像通道数都为3，那么这时候就需要把(60000,28,28)变为(60000,28,28,3)。然而这个变换过程怎么实现呢？
二、(28,28)变为(28,28,3)
我倒腾出来的方法有两个：
（1）首先是将(28,28)通过reshape，变为(28,28,1)，再通过concatenate进行拼接；
（2）直接通过np.stack方法实现。这种方法是和别人交流得知。

import numpy as np
#方法（1）
x_281 = x_train.reshape(len(x_train), 28,28,1)
x_283 = np.concatenate((x_281, x_281, x_281), axis=-1)#注意，concatenate方法只能用于数据类型为整型的np数组
方法（2）
x_s283 = np.stack((x_train, x_train, x_train), axis=3)

需要注意的是两个方法的axis参数，一个是aixs=-1，一个是axis=3。至于这两种方法的使用说明，以及axis参数传入不同的值得到不同的shape，现在还没搞清楚，留个空白以后补充。
##############################################################
2020年6月17日23:01:56
这个空白可以现在补了。
比如说一个numpy数组的维度是(28,28,1)，分别是第0个维度，第1个维度，第3个维度，如果是从最后一个维度开始数，分别是第-3个维度，第-2个维度，第-1个维度。

所以axis就是指定拼接是在哪个维度进行的。
总之我是理解了，不过表述不是很清楚。
还有一点，stack要求所有维度都要一样。

2020年6月27日 再更

原来x_train的维度是(60000, 28, 28)，第0个维度是60000，第1个维度是28，第2个维度是28。
x_283 = np.stack((x_train, x_train, x_train), axis=3)，得到的x_283的维度是(60000, 28, 28, 3)。
此时第0个维度是60000，第1个维度是28，第2个维度是28，第3个维度是3。过程差不多是像下面这张图：

##############################################################

结果查看：

import matplotlib.pyplot as plt

plt.figure(figsize=(10,4))
plt.subplot(1, 3, 1)
plt.imshow(x_train[0])
plt.legend('x_train[0]')
plt.xlabel('x_train[0]')
plt.title('x_train[0]')

plt.subplot(1, 3, 2)
plt.imshow(x_283[0])
plt.legend('x_283[0]')
plt.xlabel('x_283[0]')
plt.title('x_283[0]')

plt.subplot(1, 3, 3)
plt.imshow(x_s283[0])
plt.legend('x_s283[0]')
plt.xlabel('x_s283[0]')
plt.title('x_s283[0]')

plt.show()

三、结果分析
从结果查看的结果来看，把(28,28)到(28,28,3)的两种方法是可行的。