数值错误：无法将形状为 (128,128,3) 的输入数组广播到形状为 (128,128)。

Question

您好，我正在构建一个图像分类器，以下是代码的一小部分。 在这部分中，我试图将“ img_data_list”转换为np.array，但是 （img_ data = np.array(img_data_list)） 这行代码给我一个错误 （无法将输入数组从形状（128,128,3）广播到形状（128,128）），我不知道为什么会发生这种情况

for dataset in data_dir_list:
    img_list=os.listdir(data_path+'/'+ dataset)

    print ('Loaded the images of dataset-'+'{}\n'.format(dataset))

    for img in img_list:
        image_path = os.path.join(data_path, dataset, img)

        input_img=cv2.imread(image_path)

        if input_img is not None:
            input_img_resize=cv2.resize(input_img,(128,128))
            img_data_list.append(input_img_resize)

        else:
            print(img+' image didnt read')

img_data = np.array(img_data_list)
img_data = img_data.astype('float32')
img_data /= 255

- Dexter

---

抱歉，我是新手，我不懂。我的意思是不知道该怎么做。 - Dexter

抱歉，我没有仔细阅读你的问题。我了解一些Numpy，但我不知道cv2。我不明白为什么“img_data = np.array(img_data_list)”会给你那个错误信息。哪个数组具有（128,128,3）的形状？ - PM 2Ring

cv2是一个库，用于读取、调整图像大小等操作，而img_data_list的尺寸为(128,128,3)。 - Dexter

你能检查一下 input_img=cv2.imread(image_path,0) 的形状吗？ - arshovon

[[[123 175 188] [124 176 189] [124 176 189] ..., [255 255 255] [255 255 255] [255 255 255]]] - Dexter

Answer 1

我发现在数据集中有一些图像损坏，将它们移除后分类器表现良好。

- Dexter

---

请问，你是怎么发现这些损坏的图像的？我觉得我可能也遇到了同样的问题。在我尝试添加更多数据后，CNN就无法正常工作了。 - The-IT

当我加载图片时，有些图片无法加载，这件事情可以在我的终端上看到，所以我从终端上得到了这些图片的名称。谢谢。 - Dexter

Answer 2

我没有使用过cv2，但在其他地方看到过这个问题。如果列表中的任何一张图片大小不符合预期（224,224,3），就会出现上述问题。

另一个类似的SO帖子：ValueError: could not broadcast input array from shape (224,224,3) into shape (224,224)。

你能否重新生成数据并尝试？

- Rahul Pant

---

我没有看到任何令人满意的答案。 - Dexter

是的，我同意这不是一个答案，但想作为评论添加。但我的个人资料不允许。 - Rahul Pant

有什么建议吗？这个问题是关于在PyTorch中使用图像分类器时出现的ValueError。错误消息指向了一个形状为[4]的张量，该张量的数据类型为float32，并且它的softmax值为0。 - Dexter

Answer 3

当你有一个期望形状的图像，就像@Rahul Pant所说的那样，可能不是(224,224,3)，因为你只检查了第0个元素的形状。我曾经在一个图像数组中遇到过这个错误，通过这段代码，我成功地解决了它。

print(len(img_data_list)) #to check the lenght of the list with elements having different shape

for item in img_data_list:
  if item.shape!=(224,224,3):
    img_data_list.remove(item)

print(len(img_data_list)) #you'll know how many corrupt sized images you had

- danny-devarapalli