Numpy 将3级图像扩展为4级图像(适用于keras ImageDataGenerator().fit)

Numpy 将3级图像扩展为4级图像(适用于keras ImageDataGenerator().fit),numpy,tensorflow,keras,Numpy,Tensorflow,Keras,我有一个形状为(10,256,256)的图像,我必须在开始处添加一个维度,表示图像的通道数(在我的案例3中),我应该如何做 ValueError:.fit()的输入应为4级。已获取形状为:(10、256、256)的数组 我也试过: X_train = numpy.array(X_train) X_train = numpy.reshape(X_train, (1, len(X_train), targ_size[0], targ_size[1])) datagen_train.fit(X_tr

我有一个形状为(10,256,256)的图像,我必须在开始处添加一个维度,表示图像的通道数(在我的案例3中),我应该如何做

ValueError:
.fit()
的输入应为4级。已获取形状为:(10、256、256)的数组

我也试过:

X_train = numpy.array(X_train)
X_train = numpy.reshape(X_train, (1, len(X_train), targ_size[0], targ_size[1]))

datagen_train.fit(X_train)

有几种方法可以增加数组的维数:

X_new1 = X_train[np.newaxis]
X_new2 = X_train[None]
X_new3 = X_train.reshape((1,)+X_train.shape)
X_new4 = np.expand_dims(X_train,0)
X_new1、X_new2、X_new3
X_new4
都是等效的

此外,
X_new1
X_new2
甚至“更等效”,因为它们使用相同的思想。i、 e.
np.newaxis
相当于
None

方法3和4也是如此,方法4在内部调用方法3