Python sklearn train_test_在三维阵列列表上拆分

我想做图像分类，我有一个12000个三维numpy阵列的列表。这些阵列都具有300 x 300 x 3的形状（高度、宽度、RGB）。我的数据只是一个12000整数（介于0和5之间）的列表，说明数组所属的类。当我使用sklearn的训练测试时

X_序列，X_测试，Y_序列，Y_测试=序列测试分割（数据X，数据Y，测试大小=0.2，随机状态=42）

生成的X_序列是一个包含9600个300 X 300形状的二维数组的列表。我是怎么失去第三维度的

同样，在尝试拟合这样的神经网络时：

model1=Sequential（）

model1.add（Conv2D（32，内核大小=（3,3），activation=“relu”，输入形状=（300300,3）））

model1.add（Conv2D（32，内核大小=（3,3），activation=“relu”））

model1.add（MaxPooling2D（池大小=（2,2）））

模型1.添加（辍学率（0.25））

model1.add（展平（））

模型1.添加（密集（6，activation=“softmax”））

模型1.编译（optimizer=“rmsprop”，loss=“categorical\u crossentropy”，metrics=[“accurity”]）

模型1.拟合（X_序列，Y_序列，验证数据=（X_测试，Y_测试），历代=80，批量=20）

我得到这个错误： 检查模型输入时出错：传递给模型的Numpy数组列表的大小不是模型预期的大小。期望看到1个数组，但得到了以下9600个数组的列表：[array（[[1,1,1.，…，1,1,1.]）， [1., 1., 1., ..., 1., 1., 1.], [1., 1., 1., ..., 1., 1., 1.], ..., [1., 1., 1., ..., 1., 1., 1.], [1,1,1.，…，1,1,1,1

---

请帮助！！！

这很奇怪，

训练测试分割

应该可以在任何维度上工作，只要它们是一致的，您可能应该在分割之前再次检查

数据分割的
形状
我现在通过将大小为300 X 300 X 3的12000个数组的列表转换为大小为12000 X 300 X 300 X 3的一个数组来解决它数据_X=np.堆栈（数据_X，轴=0）。然后train\u test\u split做了正确的事情，网络接受了我的输入！这很奇怪，
train\u test\u split
应该可以在任何维度上工作，只要它们是一致的，你可能应该在拆分之前再次检查
数据的
形状。我现在通过转换大小为300 X的12000个数组来解决它通过data_x=np.stack（data_x，axis=0）将300 x 3放入一个大小为12000 x 300 x 300 x 3的数组中。然后train_x测试_x分割做正确的事情，网络接受我的输入！