Python numpy连接4D

我试图在vgg16模型中连接卷积层预测的2个numpy特性数组

基本上，我已经使用vgg16模型的底层来预测完整数据集的特性，现在我想根据一些设置动态加载数据集的部分，用它来训练一些模型

我有两个形状数组：

（724512,6,8）

和

（3376512,6,8）

基本上，第一个包含从724个图像文件预测的特征（每个预测都有形状

（512、6、8）

）。 我想将这两个数组连接成一个shape

（4100、512、6、8）

我试过使用：

np.array（[np.concatenate（arr，axis=0）表示错误列列表中的arr]）

其中false_train_list是包含具有上述形状的2个数组的列表

还尝试了np.stack、tf.stack。。。 所有这些都会生成一个形状为（2，）的数组

有人能解释一下原因吗？我还没有找到任何好的资源来理解np.concatenate（）到底是如何工作的

---

谢谢大家!

我想你只需要这个：

np.concatenate(false_train_list, axis=0)

---

我想你只需要这个：

np.concatenate(false_train_list, axis=0)

---

哇，这是真的。为什么这样做，而

np.array（[np.concatenate（arr，axis=0）for arr in false\u train\u list]）

不起作用？很抱歉，我刚刚开始使用python。我本以为，

[np.concatenate（arr，axis=0）for arr in false\u train\u list]

只会尝试将我列表中的所有数组连接到轴0上

np.concatenate（false\u train\u list，axis=0）

在我看来几乎一样。。。你能简单地解释一下有什么不同吗？文档中没有任何关于差异的提示：）谢谢您的耐心：）连接的第一个参数是要连接的数组列表，在

[np.concatenate（arr，axis=0）for arr in false\u train\u list]

中，您迭代两个数组，并分别将它们传递给连接，因此，您可以有效地连接每个子数组的所有行（单个数组被解释为一个行列表，请尝试

np.concatenate（np.eye（5），axis=0）

，以查看这是怎么做的），然后将两个结果都放在一个列表中。一点也不一样。@SorinPanduru在编程中“几乎”不算什么。一个将整个列表传递给

串联

，另一个每次传递列表的一个元素，并将结果收集到新列表中。你可能需要使用更简单的列表和列表理解。哇，这是真的。为什么这样做，而

np.array（[np.concatenate（arr，axis=0）for arr in false\u train\u list]）

不起作用？很抱歉，我刚刚开始使用python。我本以为，

[np.concatenate（arr，axis=0）for arr in false\u train\u list]

只会尝试将我列表中的所有数组连接到轴0上

np.concatenate（false\u train\u list，axis=0）

在我看来几乎一样。。。你能简单地解释一下有什么不同吗？文档中没有任何关于差异的提示：）谢谢您的耐心：）连接的第一个参数是要连接的数组列表，在

[np.concatenate（arr，axis=0）for arr in false\u train\u list]

中，您迭代两个数组，并分别将它们传递给连接，因此，您可以有效地连接每个子数组的所有行（单个数组被解释为一个行列表，请尝试

np.concatenate（np.eye（5），axis=0）

，以查看这是怎么做的），然后将两个结果都放在一个列表中。一点也不一样。@SorinPanduru在编程中“几乎”不算什么。一个将整个列表传递给

串联

，另一个每次传递列表的一个元素，并将结果收集到新列表中。您可能需要使用更简单的列表和列表理解。