ValueError：无法将输入数组从形状（224,224,3）广播到形状（224,224）

Question

我有一个列表说 temp_list 具有以下属性：

 len(temp_list) = 9260
temp_list[0].shape = (224,224,3)

现在，当我转换为 numpy 数组时，

 x = np.array(temp_list)

我收到错误消息：

 ValueError: could not broadcast input array from shape (224,224,3) into shape (224,224)

有人可以在这里帮助我吗？

原文由 neel 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

列表中至少有一项不是三维的，或者它的第二维或第三维与其他元素不匹配。如果只有第一个维度不匹配，则数组仍然匹配，但作为单独的对象，不会尝试将它们协调为新的（四维）数组。一些例子如下：

也就是说，违规元素的 shape != (?, 224, 3) ，

或 ndim != 3 （其中 ? 是非负整数）。

这就是给你错误的原因。

您需要解决这个问题，以便能够将您的列表变成一个四（或三）维数组。如果没有上下文，就不可能说您是想从 3D 项目中丢失一个维度，还是向 2D 项目添加一个维度（在第一种情况下），或者更改第二个或第三个维度（在第二种情况下）。

---

这是错误的示例：

 >>> a = [np.zeros((224,224,3)), np.zeros((224,224,3)), np.zeros((224,224))]
>>> np.array(a)
ValueError: could not broadcast input array from shape (224,224,3) into shape (224,224)

或者，不同类型的输入，但相同的错误：

 >>> a = [np.zeros((224,224,3)), np.zeros((224,224,3)), np.zeros((224,224,13))]
>>> np.array(a)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: could not broadcast input array from shape (224,224,3) into shape (224,224)

或者，类似但带有不同的错误消息：

 >>> a = [np.zeros((224,224,3)), np.zeros((224,224,3)), np.zeros((224,100,3))]
>>> np.array(a)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: could not broadcast input array from shape (224,224,3) into shape (224)

但是以下方法将起作用，尽管结果与（可能）预期不同：

 >>> a = [np.zeros((224,224,3)), np.zeros((224,224,3)), np.zeros((10,224,3))]
>>> np.array(a)
# long output omitted
>>> newa = np.array(a)
>>> newa.shape
3  # oops
>>> newa.dtype
dtype('O')
>>> newa[0].shape
(224, 224, 3)
>>> newa[1].shape
(224, 224, 3)
>>> newa[2].shape
(10, 224, 3)
>>>

原文由 user707650 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

是的，确实@Evert 的回答是完全正确的。另外，我想补充一个可能会遇到这种错误的场景。

 >>> np.array([np.zeros((20,200)),np.zeros((20,200)),np.zeros((20,200))])

这将是完美的。但是，这会导致 ValueError ：

 >>> np.array([np.zeros((20,200)),np.zeros((20,200)),np.zeros((20,201))])

ValueError: could not broadcast input array from shape (20,200) into shape (20)

列表中的 numpy 数组也必须具有相同的大小。

原文由 Jagesh Maharjan 发布，翻译遵循 CC BY-SA 4.0 许可协议