如何将 numpy 数组连接成特定的形状？

Question

我需要将 mnist 个图像值数组分配给以下变量...

x = tf.get_variable("input_image", shape=[10,784], dtype=tf.float32)

问题是我需要筛选 mnist 数据集并提取数字 2 的 10 张图像并将其分配给 x。

这是我筛选数据集并提取数字 2 的方法...

while mnist.test.next_batch(FLAGS.batch_size):
    sample_image, sample_label = mnist.test.next_batch(10)
    # get number 2
    itemindex = np.where(sample_label == 1)

    if itemindex[1][0] == 1:
        # append image to numpy
        np.append(labels_of_2, sample_image)
    # if the numpy array has 10 images then we stop
    if labels_of_2.size == 10:
        break

# assign to variable
sess.run(tf.assign(x, labels_of_2))

问题是我认为我的逻辑有缺陷。我需要一个形状为 [10, 784] 的数组来满足变量 x 并且显然以下行不是实现它的方法...

np.append(labels_of_2, sample_image)

一定有一个简单的方法可以完成我想要的，但我想不通。

Answer 1

忘记np.append；收集列表中的图像

alist = []
while mnist.test.next_batch(FLAGS.batch_size):
    sample_image, sample_label = mnist.test.next_batch(10)
    # get number 2
    itemindex = np.where(sample_label == 1)

    if itemindex[1][0] == 1:
        alist.append(sample_image)
    # if the list has 10 images then we stop
    if len(alist) == 10:
        break

    labels_of_2 = np.array(alist)

假设 alist 中的数组都具有相同的大小，例如(784,)，那么 array 函数将生成一个形状为 (10, 784) 的新数组。如果图像是 (1,784)，则可以改用 np.concatenate(alist, axis=0)。

列表追加速度更快，更易于使用。

如何将 numpy 数组连接成特定的形状？

How to concatenate numpy arrays into a specific shape?

python

numpy

mnist

tensorflow