我真的无法理解这个……而且我不确定在这里使用堆叠是否合适。
A.shape = (28,28,1)
B.shape = (28,28,1)
如果我想将这些数组合并/添加/堆叠成这种格式:
C.shape = (2,28,28,1)
我该怎么做？它是 += 版本吗？我可以将形状为 (28,28,1) 的新数组添加到现有堆栈中以获取 (3, 28,28,1)。
编辑
我有这个包含 100 张灰度图像的数组:(100, 784) 我想我可以使用 将其 reshape 为 。 (100,28,28,1) >tf. reshape
我想用 tf.image.per_image_standardization ( doc ) 标准化 100 张图像的所有像素值，但是这个函数只接受输入形状 (h,w,ch) 又名。 (28,28,1)。
关于如何优化它有什么建议吗？
代码
for i in range(epochs):
for j in range(samples/batch_size):
batch_xs, batch_ys = mnist.train.next_batch(batch_size) #(100,784)
batch_xsr = tf.reshape(batch_xs, [-1, 28, 28, 1]) # (100,28,28,1)
...
#somehow use tf.image.per_image_standardization (input shape =
#(28,28,1)) on each of the 100 images, and end up with
#shape (100,28,28,1) again.
...
_, loss = sess.run([train, loss_op], feed_dict={x: batch_xs, y: batch_ys})
self 注意:TensorFlow 需要在 feed dict 中使用 np.array。
请您参考如下方法:
你可以这样...
import numpy as np
A = np.zeros(shape=(28, 28, 1))
B = np.zeros(shape=(28, 28, 1))
A.shape # (28, 28, 1)
B.shape # (28, 28, 1)
C = np.array([A, B])
C.shape # (2, 28, 28, 1)
然后使用它来添加更多，假设这里的'new'与A或B的形状相同。
def add_another(C, new):
return np.array(list(C) + [new])
