我正在开发一个基于TensorFlow的TFlearn来对图像进行分类，现在我使用scipy.misc.imread创建数据集，并将图像大小设置为150×150，通道数为3，目前我得到一个包含4063个（我的图像数量）(150, 150, 3)数组的列表，现在我想将其转换为n维数组(4063, 150, 150, 3)，我不知道该如何解决这个问题，请帮助我。提前感谢！

import numpy as npimport osimport tensorflow as tffrom scipy import miscfrom PIL import ImageIMAGE_SIZE = 150image_path = "dragonfly"labels = np.zeros((4063, 1))labels [0:2363] = 1labels [2364:4062] = 0test_labels = np.zeros((200, 1))test_labels [0:99] = 1test_labels [100:199] = 0fset = []fns=[os.path.join(root,fn) for root,dirs,files in os.walk(image_path) for fn in files]for f in fns:    fset.append(f)def create_train_data():    train_data = []    fns=[os.path.join(root,fn) for root,dirs,files in os.walk(image_path) for fn in files]    for f in fns:        image = misc.imread(f)        image = misc.imresize(image, (IMAGE_SIZE, IMAGE_SIZE, 3))        train_data.append(np.array(image))    return train_datatrain_data = create_train_data()print (len(train_data))training_data = train_data[0:2264] + train_data[2364:3963]train_labels = np.concatenate((labels[0:2264], labels[2364:3963]))test_data = train_data[2264:2364] + train_data[3963:4063]

train_data是我得到的列表，我希望将其转换

回答：

如果你有一组形状为(150, 150, 3)的图像（numpy数组），那么你可以通过构造函数或调用np.asarray函数（它会隐式调用构造函数）将外部列表转换为numpy数组：

np.array([np.ones((150,150,3)), np.ones((150,150,3))]).shape>>> (2, 150, 150, 3)

编辑：在你的情况下，可以在create_train_data函数的返回值中添加以下内容：

return np.array(train_data)

或者，如果你想将多个numpy数组添加到一个新的numpy数组中，你可以使用numpy.stack在新维度上添加它们。

import numpy as npimg_1 = np.ones((150, 150, 3))img_2 = np.ones((150, 150, 3))stacked_img = np.stack((img_1, img_2))stacked_img.shape>>> (2, 150, 150, 3)