我是一个初学者，正在使用MNIST数据库。为了积累经验，我尝试对训练数据进行了处理。每个数字图像还有一组10个其他数字图像和相应的标签，这些标签的顺序是随机的。

处理前：图像 [5] -> 标签 [5]

处理后：图像 [5]，集合：[[图像 [0]，标签 [0]]，[图像 [5]，标签 [5]]，…] -> 标签 [5]

处理前的数据形状：

(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()print('x_train shape:', x_train.shape)Out[]:x_train shape: (60000, 28, 28)

处理后的数据形状：

print('x_train_new shape:', x_train_new.shape)Out[]: x_train_new shape: (60000, 2)

这是我的处理过程：

如你所见，我在使用列表追加的方式进行操作。但我想问题就出在这里。当我再次重塑新数据时：

In []: x_train_new_res = x_train_new.reshape(x_train_new.shape[0], 28, 28, 1)Out[]: ValueError: cannot reshape array of size 120000 into shape (60000,28,28,1)

我想我可能误解了一些东西，我的处理方法是无效的。我的问题是：如何正确地准备我的数据以供我的机器使用？集合中的每个新图像都需要重塑吗？

任何建议都将不胜感激。谢谢。

回答：

我的错误在于x_train_varset = np.asarray(list(zip(x_train_var, x_train_set)))。列表打包并不会保持数据形状。相反，应该创建一个空的np.array([])，然后使用np.append添加数据。这样可以保持数据的形状。