ValueError：无法将输入数组从形状（224,224,3）广播到形状（224,224）

Question 1

我有一个列表，说temp_list具有以下属性：

len(temp_list) = 9260  
temp_list[0].shape = (224,224,3)

现在，当我转换为numpy数组时，

x = np.array(temp_list)

我收到错误消息：

ValueError: could not broadcast input array from shape (224,224,3) into shape (224,224)

有人可以帮我吗？

Question 2

列表中至少有一项不是三维的，或者其第二维或第三维与其他元素不匹配。如果仅第一维不匹配，则数组仍然匹配，但是作为单独的对象，不会尝试将它们协调为新的（四维）数组。下面是一些示例：

也就是说，冒犯元件的shape != (?, 224, 3)，
或ndim != 3（与?是非负整数）。
那就是给你错误的原因。

您需要解决此问题，以便将列表转换为四（或三）维数组。没有上下文，就无法说出要从3D项目中丢失尺寸还是要在2D项目中添加尺寸（在第一种情况下），或者更改第二个或第三个尺寸（在第二种情况下）。

这是错误的示例：

>>> a = [np.zeros((224,224,3)), np.zeros((224,224,3)), np.zeros((224,224))]
>>> np.array(a)
ValueError: could not broadcast input array from shape (224,224,3) into shape (224,224)

或，不同类型的输入，但相同的错误：

>>> a = [np.zeros((224,224,3)), np.zeros((224,224,3)), np.zeros((224,224,13))]
>>> np.array(a)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: could not broadcast input array from shape (224,224,3) into shape (224,224)

或者，类似但带有不同的错误消息：

>>> a = [np.zeros((224,224,3)), np.zeros((224,224,3)), np.zeros((224,100,3))]
>>> np.array(a)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: could not broadcast input array from shape (224,224,3) into shape (224)

但是，以下结果将起作用，尽管结果与预期的结果不同：

>>> a = [np.zeros((224,224,3)), np.zeros((224,224,3)), np.zeros((10,224,3))]
>>> np.array(a)
# long output omitted
>>> newa = np.array(a)
>>> newa.shape
3  # oops
>>> newa.dtype
dtype('O')
>>> newa[0].shape
(224, 224, 3)
>>> newa[1].shape
(224, 224, 3)
>>> newa[2].shape
(10, 224, 3)
>>>

Question 3

是的，确实@Evert答案是完全正确的。另外，我还要添加一个可能遇到此类错误的原因。

>>> np.array([np.zeros((20,200)),np.zeros((20,200)),np.zeros((20,200))])

这会很好，但是，这会导致错误：

>>> np.array([np.zeros((20,200)),np.zeros((20,200)),np.zeros((20,201))])

ValueError: could not broadcast input array from shape (20,200) into shape (20)

列表中的numpy arry大小也必须相同。

Question 4

您可以隐蔽numpy.ndarray到object使用astype(object)

这将起作用：

>>> a = [np.zeros((224,224,3)).astype(object), np.zeros((224,224,3)).astype(object), np.zeros((224,224,13)).astype(object)]

Question 5

@ aravk33的答案是绝对正确的。

我遇到了同样的问题。我有2450张图像的数据集。我只是不知道为什么我要面对这个问题。

检查训练数据中所有图像的尺寸。

在将图像添加到列表中时添加以下代码段：

if image.shape==(1,512,512):
    trainx.append(image)

Question 6

我遇到了同样的问题，因为某些图像是我的数据集中的灰度图像，所以我通过这样做解决了我的问题

    from PIL import Image
    img = Image.open('my_image.jpg').convert('RGB')
    # a line from my program
    positive_images_array = np.array([np.array(Image.open(img).convert('RGB').resize((150, 150), Image.ANTIALIAS)) for img in images_in_yes_directory])

Question 7

这个方法并没有需要修改或D型你拆开阵列numpy的。

核心思想是：1.初始化多一行。2.将列表（有多一行）更改为数组3.删除结果数组中的多余行，例如

>>> a = [np.zeros((10,224)), np.zeros((10,))]
>>> np.array(a)
# this will raise error,
ValueError: could not broadcast input array from shape (10,224) into shape (10)

# but below method works
>>> a = [np.zeros((11,224)), np.zeros((10,))]
>>> b = np.array(a)
>>> b[0] = np.delete(b[0],0,0)
>>> print(b.shape,b[0].shape,b[1].shape)
# print result:(2,) (10,224) (10,)

确实，不一定要再增加一行，只要您可以摆脱@ aravk33和@ user707650的答案中所述的空白并在以后删除多余的项目，就可以了。