python 报ValueError: could not broadcast input array from shape
numpy报ValueError: could not broadcast input array from shape
tensorflow报ValueError: Can’t convert non-rectangular Python sequence to Tensor.
这两个错误都是一样的的原因。
在使用numpy和tensorflow将list转为array或tensor的时候报错
弹出错误的代码:
a = np.array([[1.1,1.2],[2.1,2.2]])
b = np.array([[1.1,1.2,1.3],[2.1,2.2,2.3]])
c = [a,b]
d = np.array(c)
# d = tf.constant(c)
错误信息描述
ValueError: could not broadcast input array from shape (2,2) into shape (2)
# ValueError: Can't convert non-rectangular Python sequence to Tensor.
问题分析
出现这个问题的主要原因是因为list中array的shape不一致造成的,所以发生这个问题的时候,先将list中数组的shape全部打印出来观察一下
print(a.shape,b.shape)
输出信息
(2, 2) (2, 3)
解决问题
对于这种问题主要有三种解决办法,第1种是改为使用字典。第2种就是将list中的array全部都展开,第3种就是利用mask来使得数组的shape一致
第一种改为使用字典
就是用字典分开存储每个列表,可以转为将每个列表转为tensorflow或numpy的数据格式
如果之后操作时变量c的话,推荐这种方式
a = np.array([[1.1,1.2],[2.1,2.2]])
b = np.array([[1.1,1.2,1.3],[2.1,2.2,2.3]])
c = {'a':tf.constant(a),'b':tf.constant(b)}
print(c)
{'a': <tf.Tensor: id=0, shape=(2, 2), dtype=float64, numpy=
array([[1.1, 1.2],
[2.1, 2.2]])>, 'b': <tf.Tensor: id=1, shape=(2, 3), dtype=float64, numpy=
array([[1.1, 1.2, 1.3],
[2.1, 2.2, 2.3]])>}
使用时只需要按字典使用就可以。
展开数组
在使用这种方法的时候需要满足数组的行或列一致,只能有一个维度不同,不然没法还原数组
a = np.array([[1.1,1.2],[2.1,2.2]])
b = np.array([[1.1,1.2,1.3],[2.1,2.2,2.3]])
c = np.array([a.ravel(),b.ravel()])
print(c)
for arr in c:
print(arr.reshape(2,-1)) # 转变形状
输出信息
[array([1.1, 1.2, 2.1, 2.2]) array([1.1, 1.2, 1.3, 2.1, 2.2, 2.3])]
[[1.1 1.2]
[2.1 2.2]]
[[1.1 1.2 1.3]
[2.1 2.2 2.3]]
利用mask
这种方法主要是应用图片上,通常以图片的最大尺寸作为模板,当然如果是图片的话你也可以通过resize来使得它们的shape一致,只是使用resize的话可能会导致图片发生形变影响图片表达的信息
import copy
a = np.array([[1.1,1.2],[2.1,2.2]])
b = np.array([[1.1,1.2,1.3],[2.1,2.2,2.3]])
mask = np.zeros((2,3))
a_mask = copy.deepcopy(mask)
a_mask[:a.shape[0],:a.shape[1]] = a
b_mask = copy.deepcopy(mask)
b_mask[:b.shape[0],:b.shape[1]] = b
c = np.array([a_mask,b_mask])
print(c)
输出信息
[[[1.1 1.2 0. ]
[2.1 2.2 0. ]]
[[1.1 1.2 1.3]
[2.1 2.2 2.3]]]