如何改变了的维图像数据的形状为一个神经网络?

0

的问题

我有一个灰度图像数据集的,我想进入一个神经网络。

x_train_grey.shape(32, 32, 73257) 所以我理解它是 (dimension_x, dimension_y, batch_size). 因为图像灰度,只有一个"深度"层面。

但是饲料本数据的神经网络,它需要有这样的形状:(batch_size, dimension_x, dimension_y). 与 batch_szie 在开始。 我如何重塑它以这种格式,这样, batch_szie 来之前x、y图像的尺寸?

一旦这样做,我期望能够通过这个进入一个神经网络(第一层 Flatten()),像这样: Flatten(input_shape=(32, 32, 1)),.

干杯!

flatten neural-network python shapes
2021-11-24 03:25:59
1

最好的答案

0

解决了! 通过传递正确的形成 np.reshape().

我真的应该要知道 numpy 更好,才可获得深入学习。

2021-11-24 03:37:14

其他语言

此页面有其他语言版本

Русский
..................................................................................................................
Italiano
..................................................................................................................
Polski
..................................................................................................................
Română
..................................................................................................................
한국어
..................................................................................................................
हिन्दी
..................................................................................................................
Français
..................................................................................................................
Türk
..................................................................................................................
Česk
..................................................................................................................
Português
..................................................................................................................
ไทย
..................................................................................................................
Español
..................................................................................................................
Slovenský
..................................................................................................................