Image 如何将阵列向量转换为4D阵列？

我正在尝试与Knet.jl和CNNs玩一点。我发现的每个示例都要求CNN的输入形式为[dim1，dim2，n_of_channels，n]，其中n是实际图像的数量。 我对朱莉娅有点陌生，我不知道如何做到这一点

我从某个私有目录加载了图像，并将它们推送到一个向量中，使它们的长度为N

images = Vector()
for img_file in readdir(dir)
    img = load("$dir/$img_file")
    images = vcat(images, [img])
end

typeof(image)
"320-element Array{Any,1}"

但是，在下面的示例中，xtrn存储为28x28x1x60000数组，这就是我希望通过专用数据集实现的

using Knet; include(Knet.dir("data","mnist.jl"))
xtrn,ytrn,_,_= mnist()

typeof(xtrn)
Array{Float32,4}

---

我知道channelview、Reforme等函数，它们似乎应该提供解决方案，但我一直在使用它们，并得到了尺寸不匹配错误。我想我遗漏了一些东西。

我没有您在示例中使用的文件。但我会将

cat

与发电机结合使用。下面是一个你可以做的例子：

julia> reduce((x,y)->cat(x, y, dims=4), rand(3,3) for _ in 1:3)
3×3×1×3 Array{Float64,4}:
[:, :, 1, 1] =
 0.366818  0.847529  0.209042
 0.281807  0.467918  0.68881 
 0.179162  0.222919  0.348935

[:, :, 1, 2] =
 0.0418451  0.256611  0.609398
 0.65166    0.281397  0.340405
 0.11109    0.387638  0.974488

[:, :, 1, 3] =
 0.454959  0.37831   0.554323
 0.213613  0.980773  0.743419
 0.133154  0.782516  0.669733

为了对文件执行此操作，这可能会起作用（未经测试）：

顺便说一句，你不应该像这样初始化向量：

images = Vector()

这将导致一个非类型化的容器，这将有非常糟糕的性能。写下

images = Matrix{Float32}[]

---

这初始化了一个空向量

矩阵{Float32}

s.

为了填写DNF的答案，此代码生成的数组形式为[dim1，dim2，1，N]：

images = reduce((x,y)->cat(x, y, dims=4), load(joinpath(dir, img_file)) for img_file in readdir(dir))

我希望第三维是通道，因此，预期输出由以下方式产生：

images = reduce((x, y) -> cat(x, y, dims=4), permutedims(channelview(load(joinpath(dir, img_file))), (2, 3, 1)) for img in readdir(dir))

---

谢谢，很好用。然而，单个值被存储为（例如）RGB{N0f8}（1.0,0.9,0.9），因此，整个数组具有[dim1，dim2，1，N]形式的维度。我想要的是[dim1，dim2，3（因为RGB），N]的形式，这样数组中存储的单个值就是Float。有什么办法可以达到这个目的吗？旁注：在这种情况下，使用

push！（图像，img）

而不是

vcat

看起来太像Matlab:）也许

sizehint也是。
images = reduce((x, y) -> cat(x, y, dims=4), permutedims(channelview(load(joinpath(dir, img_file))), (2, 3, 1)) for img in readdir(dir))