Numpy 理解Tensorflow目标检测模型的阵列维数重塑

尝试将Tensorflow训练模型加载到DeepLearning 4J中，出现以下错误：

IllegalStateException: Invalid array shape: cannot associate an array with shape [38880] with a placeholder of shape [-1, -1, -1, 3]:shape is wrong rank or does not match on one or more dimensions

Python模型的加载方式如下：

# Load image using OpenCV and
# expand image dimensions to have shape: [1, None, None, 3]
# i.e. a single-column array, where each item in the column has the pixel RGB value
image = cv2.imread(PATH_TO_IMAGE)
image_expanded = np.expand_dims(image, axis=0)

如果您知道以下任何问题，请解释：

1） 就Python数组而言，[1，None，None，3]意味着什么

2） 在Python中，np.expand_dims（图像，轴=0）是什么意思

---

3） 深度学习4J整形（1，-1，-1,3）

这里混合了两个不同的概念，TF占位符和命令式numpy-like重塑

在您的例子中，模型需要4D输入张量，形状为[-1，-1,3]。对于人类来说，它可以翻译成[任何，任何，任何，3]。但是你试图用形状为[38880]的张量，秩为1的张量来填充它

现在谈谈你的问题

1） 见上文-1被视为“任何”

2） 此函数将1添加为维度。i、 e.如果您有[38880]，则在轴=0处展开_dims将使其成为[13880]

3） 不，那是错的。你不应该把它当作你的形状。这里有一些图像，因此应该指定图像的适当尺寸，即[1800,600,3]

# Load image using OpenCV and
# expand image dimensions to have shape: [1, None, None, 3]
# i.e. a single-column array, where each item in the column has the pixel RGB value
image = cv2.imread(PATH_TO_IMAGE)
image_expanded = np.expand_dims(image, axis=0)