我加载mnist数据集如下,
(X_train, y_train), (X_test, y_test) = mnist.load_data()
然而,由于我需要加载和训练我自己的数据集,我编写了如下的小脚本,它将给出准确的训练和测试值
def load_train(path):
X_train = []
y_train = []
print('Read train images')
for j in range(10):
files = glob(path + "*.jpeg")
for fl in files:
img = get_im(fl)
print(fl)
X_train.append(img)
y_train.append(j)
return np.asarray(X_train), np.asarray(y_train)
相关模型在训练时生成一个大小为 (64, 28, 28, 1) 的 numpy 数组。我从生成的图像中连接 image_batch,如下所示,
X = np.concatenate((image_batch, generated_images))
但是我收到以下错误,
ValueError:所有输入数组必须具有相同的维数
img_batch 的大小为 (64, 28, 28) generated_images 的大小为 (64, 28, 28, 1)
如何扩展img_batch
X_train 中的维度以便与 generate_images 连接?或者有没有其他方法可以加载自定义图像来代替 loadmnist?