python中的CNN。图像数组

在这里发布之前，我试图在网上深入搜索解决方案，但我找不到。我的问题是在卷积神经网络训练中读取图像时出现的。基本上，我决定创建一个函数，从一系列图像中创建in值和out值。我希望读取集合的所有图像，但不是同时读取所有图像，以避免内存不足，因此我创建了下一个函数：

def readImages(strSet = 'Train', nIni = 1, nFin = 20):

if strSet not in ('Train','Test'):
    return None
# 
# Inicializamos los arrays de salida: las imágenes y las etiquetas.
arrImages = []
arrLabels = []
#
# Recorremos todos y cada uno de los directorios dentro del set elegido
for strDir in os.listdir(data_dir+'/' + strSet + '/'):
    # Nombre de la clase que estamos tratando.
    strClass = strDir[strDir.find('-')+1:]
    # Número y nombre de los ficheros, por si es menor que el número n indicado.
    arrNameFiles = os.listdir(data_dir+'/' + strSet + '/'+strDir)
    nFiles = len(os.listdir(data_dir+'/' + strSet + '/'+strDir))
    #
    # Cogemos los ficheros desde el nIni al nFin. De esta forma nos aseguramos los cogemos todos en cada directorio.
    #print('nImagesClase(',strSet,',',strClass,'):',nImagesClase(strSet, strClass))
    if (nIni == -1):
        # Si el valor es -1, cogemos todas las imágenes del directorio.            
        listChosenFiles = arrNameFiles
        #print('Todos: ', len(listChosenFiles))
    else:
        if (nImagesClase(strSet, strClass)<nFin):
            # Si ya hemos dado la vuelta a todos los ficheros del grupo, los cogemos al azar.
            listChosenFiles = random.sample(arrNameFiles, min(nFiles, nFin-nIni))
            #print('Fin del directorio ',nFin,'>',nImagesClase(strSet,strClass),': ', len(listChosenFiles))
        else:
            # Si no, seguimos.
            listChosenFiles = arrNameFiles[nIni-1:min(nFin,nImagesClase(strSet, strClass))-1]
            #print('Seguimos ',nIni,'-',nFin,': ', len(listChosenFiles))
    #
    for file in listChosenFiles:
        # Lectura del fichero.
        image = plt.imread(data_dir+'/'+strSet+'/'+strDir+'/'+file)
        #print('Original Shape: ',image.shape)
        #plt.imshow(image)
        image = cv2.resize(image, (crop_width, crop_height), interpolation=cv2.INTER_NEAREST)
        #image = image.reshape((image_height,image_width,num_channels))
        #print('Al array de imágenes: ',image.shape)
        arrImages.append(image)
        # Añadimos etiquetas.
        arrLabel = np.zeros(n_classes)
        arrLabel[array_classes.index(strClass)] = 1
        arrLabels.append(arrLabel)
#
# Recogemos los valores de entrada y salida en arrays.
y = np.array(arrLabels)
X = np.array(arrImages, dtype=np.uint8)
# Una vez terminado el recorrido por todas las imágenes, reordenamos los índices para que no vayan las imágenes en secuendias de la misma clase.
arrIndexes = np.arange(X.shape[0])
np.random.shuffle(arrIndexes)
X = X[arrIndexes]
y = y[arrIndexes]
#
return X, y

这是正常的，直到nIni和nFin达到某些值（例如101-105）。在那一刻，我收到了以下错误：

ValueError                                Traceback (most recent call last)
<ipython-input-125-8a690256a1fc> in <module>
----> 1 X, y = readImages(strSet = 'Train', nIni = 101, nFin = 105)

<ipython-input-123-9e9ebc660c33> in readImages(strSet, nIni, nFin)
     50     # Recogemos los valores de entrada y salida en arrays.
     51     y = np.array(arrLabels)
---> 52     X = np.array(arrImages, dtype=np.uint8)
     53     # Una vez terminado el recorrido por todas las imágenes, reordenamos los índices para que no vayan las imágenes en secuendias de la misma clase.
     54     arrIndexes = np.arange(X.shape[0])

ValueError: could not broadcast input array from shape (28,28,3) into shape (28,28)

ValueError回溯（最近一次调用）
在里面
---->1 X，y=readImages（strSet=Train，nIni=101，nFin=105）
在readImages中（strSet、nIni、nFin）
50#在阵列中记录下的数据。
51 y=np.数组（ARR标签）
--->52 X=np.array（arrImages，dtype=np.uint8）
53#我们的目的是为了保护我们的基因，而不是为了保护我们的基因。
54 arrange=np.arange（X.shape[0]）
ValueError:无法将输入数组从形状（28,28,3）广播到形状（28,28）

我在读取图像时放了一些打印痕迹，每个读取的图像的形状都是（28,28,3），所以我真的不明白错误痕迹中指出的（28,28）形状是从哪里来的

你知道有什么问题吗？你以前有没有遇到过这个问题

---

提前感谢。

您的一些图像具有单通道。使用

cv2.imread

代替

plt.imread

---

image=cv2.imread（数据目录+'/'+strSet+'/'+strDir+'/'+文件）

谢谢。现在它工作得很好。但我不明白其中的区别。我将所有图像的形状放入任何迭代中，所有图像都具有num_通道维度。

ValueError                                Traceback (most recent call last)
<ipython-input-125-8a690256a1fc> in <module>
----> 1 X, y = readImages(strSet = 'Train', nIni = 101, nFin = 105)

<ipython-input-123-9e9ebc660c33> in readImages(strSet, nIni, nFin)
     50     # Recogemos los valores de entrada y salida en arrays.
     51     y = np.array(arrLabels)
---> 52     X = np.array(arrImages, dtype=np.uint8)
     53     # Una vez terminado el recorrido por todas las imágenes, reordenamos los índices para que no vayan las imágenes en secuendias de la misma clase.
     54     arrIndexes = np.arange(X.shape[0])

ValueError: could not broadcast input array from shape (28,28,3) into shape (28,28)