Python实现连续图片、多图片多维组合既数据增维和调整维度的案例一则

最新推荐文章于 2023-03-23 17:33:33 发布

肖永威

最新推荐文章于 2023-03-23 17:33:33 发布

阅读量1.1k

点赞数

分类专栏：人工智能及Python 文章标签：深度学习 python numpy stack append

本文链接：https://blog.csdn.net/xiaoyw71/article/details/113063585

版权

人工智能及Python 专栏收录该内容

127 篇文章 39 订阅

订阅专栏

本文介绍了在深度学习和强化学习中如何处理输入数据的维度变换，包括使用Numpy的reshape和stack函数创建三维数组，以及append函数进行数组拼接，以构造连续的数据序列。示例代码详细展示了将二维图片转换为三维数组，并进行组合操作的过程，适用于理解数据预处理在深度学习模型中的重要性。

摘要由CSDN通过智能技术生成

我们在处理深度学习、深度强化学习输入数据时，经常需要调整数据维度，例如下图所示。
在这里插入图片描述
我们有a×b的二维图片（一般就是灰度图片）或数据，构造连续四张图为连续数据，也就是图中图1到图2的变换。

    # 沿着新轴连接数组/矩阵，增加一个维度，形成三维数组/矩阵/向量
    a3 = np.stack((a2,a2,a2,a2), axis=2)

对应于Tensorflow的输入定义表示法为：

	n_features= (None, 50, 50, 4), # 输入“带前三张”灰度图像尺寸与维度

接着，我们要实现每次替换一张图片/一组数据，构造连续新四张图为连续数据，也就是图中图3的变换。

    # 合并两个三维，切片取三组
    f = np.append(b2,a3[:,:,:3],axis=2)

其中，通过Numpy的appand合并数组/矩阵，需要注意二者b2和a3的维度保持一致，而b1是二维图片，如何变换为三维呢：

    # 一维转变为三维
    b2 = b1.reshape(3,2,1)

最后，全部演示代码如下：

import numpy as np

if __name__ == '__main__':
    a = [0 , 1, 2, 3, 4, 5]
    #  取list最后的元素
    print(a[-1])
    b = [6, 7, 8, 9, 10, 11]
    # list转numpy数组
    a1 = np.array(a)
    print(a1)
    # 重新调整数据/矩阵为二维
    a2 = a1.reshape(3,2)
    print(a2)
    # 沿着新轴连接数组/矩阵，增加一个维度，形成三维数组/矩阵/向量
    a3 = np.stack((a2,a2,a2,a2), axis=2)     
    print(a3)
    print(a3.shape)
    
    b1 = np.array(b)
    # 一维转变为三维
    b2 = b1.reshape(3,2,1)
    print(b2)
    # 合并两个三维，切片取三组
    f = np.append(b2,a3[:,:,:3],axis=2)
    
    print(f)

输出效果如下：

5
[0 1 2 3 4 5]
[[0 1]
 [2 3]
 [4 5]]
[[[0 0 0 0]
  [1 1 1 1]]

 [[2 2 2 2]
  [3 3 3 3]]

 [[4 4 4 4]
  [5 5 5 5]]]
(3, 2, 4)
[[[ 6]
  [ 7]]

 [[ 8]
  [ 9]]

 [[10]
  [11]]]
[[[ 6  0  0  0]
  [ 7  1  1  1]]

 [[ 8  2  2  2]
  [ 9  3  3  3]]

 [[10  4  4  4]
  [11  5  5  5]]]

参考：
《强化学习之迷宫DQN（NIPS 2015版）实践笔记——入门提升篇》 CSDN博客，肖永威，2021.01