我刚开始接触GAN领域，尝试了几种教程，但大多数都使用了Cifar或mnist数据集。所以大多数是这种内置格式形状（xxxx, 28, 28）。

最近，我想尝试使用其他图片。例如，

from scipy import miscdata = misc.imread("1.PNG") #这可以是任何JPEG或其他格式的图片print(data.shape)

我的输出：

(842, 1116, 4) # 说实话，我不明白这是什么意思。842是指842个文件吗？我以为我只加载了一张图片。

我期望的输出：

由于我是新手，我真的很想问一下是否应该变成（1, 28, 28）或者其他什么？这样我就可以适应GAN，因为教程中使用了784

通常，在mnist数据集中，我们有（60000, 28, 28），这意味着6万张图片，每张图片的形状为28×28。那我的上述输出呢？（842, 1116, 4）并不意味着842张图片，形状为1116 x 4，对吗？我只加载了一张图片。有人能帮我转换并理解它吗？谢谢

回答：

imread使用PIL或Pillow来读取图像，它返回的图像格式为：高度 x 宽度 x 通道，其中通道通常是3个通道（红色，绿色，蓝色[RGB]的普通彩色图像）或有时是4个通道（红色，绿色，蓝色，透明度[RGBA]）。

所以你读取了一张大小为842x1116像素的图像，具有4个颜色通道。你说你使用形状为（xxxx, 28, 28）的训练数据，所以你使用的是灰度而不是彩色图像。第一步是将彩色图像转换为灰度图像。Pillow（作为PIL的替代品）是一个很好的图像操作库。或者你可以只使用一个通道

gray_data = data[:,:,0]

要将其用作训练数据，你现在可以将其调整大小至28×28，或者从中提取28×28大小的较小图像块。

small_data = gray_data[:28,:28]

这将导致（28,28）。大多数学习算法期望不止一张而是多张图像，大多数情况下格式为（#images, height, width）。所以你需要重塑它：

final_data = small_data.reshape(1,28,28)

这样应该可以了。然而，适当的RGB(A)到灰度转换和调整大小将是更好的解决方案。请查看Pillow文档以获取详细信息。