如何在4D numpy數組中快速放置很多2D numpy數組？

我有大約150,000個圖像，我想要加載一個形狀爲[index][y][x][channel]的numpy數組。目前，我這樣做：如何在4D numpy數組中快速放置很多2D numpy數組？

images = numpy.zeros((len(data), 32, 32, 1)) 
for i, fname in enumerate(data): 
    img = scipy.ndimage.imread(fname, flatten=False, mode='L') 
    img = img.reshape((1, img.shape[0], img.shape[1], 1)) 
    for y in range(32): 
     for x in range(32): 
      images[i][y][x][0] = img[0][y][x][0]

這樣的作品，但我認爲必須有一個比遍歷元素更好的解決方案。我可以擺脫重塑，但這仍然會留下兩個嵌套的for-loops。

什麼是達到相同的最快方式images 4D陣列，有150,000圖像需要加載到它？

來源

2017-01-17 Martin Thoma

通常，您在處理numpy數組時不需要複製單個元素。你可以只指定軸（如果他們是平等的大小或broadcastable）你想你的陣列複製到和/或來自：

images[i,:,:,0] = img[0,:,:,0]

，而不是你的循環。事實上，你並不需要重塑可言：

images[i,:,:,0] = scipy.ndimage.imread(fname, flatten=False, mode='L')

這些:指定您希望這些軸線被保留（不切）和numpy的支持數組數組賦值，例如：

>>> a = np.zeros((3,3,3)) 
>>> a[0, :, :] = np.ones((3, 3)) 
>>> a 
array([[[ 1., 1., 1.], 
     [ 1., 1., 1.], 
     [ 1., 1., 1.]], 

     [[ 0., 0., 0.], 
     [ 0., 0., 0.], 
     [ 0., 0., 0.]], 

     [[ 0., 0., 0.], 
     [ 0., 0., 0.], 
     [ 0., 0., 0.]]])

或

>>> a = np.zeros((3,3,3)) 
>>> a[:, 1, :] = np.ones((3, 3)) 
>>> a 
array([[[ 0., 0., 0.], 
     [ 1., 1., 1.], 
     [ 0., 0., 0.]], 

     [[ 0., 0., 0.], 
     [ 1., 1., 1.], 
     [ 0., 0., 0.]], 

     [[ 0., 0., 0.], 
     [ 1., 1., 1.], 
     [ 0., 0., 0.]]])

來源

2017-01-18 00:00:47 MSeifert

由於'（x，y，1）'不會廣播到'（x，y）'，所以不能確定這將適用於'flatten = False'。不是'images [i] = scipy.ndimage.imread（fname，flatten = False，mode ='L'）'夠了嗎？ – Eric

@Eric好問題，我認爲['mode ='L'']（http://pillow.readthedocs.io/en/3.4.x/handbook/concepts.html#modes）只是定義了「位」灰度（8位），但會返回一個二維數組。 – MSeifert

本質上有2個接近

res = np.zeros((<correct shape>), dtype) 
for i in range(...): 
    img = <load> 
    <reshape if needed> 
    res[i,...] = img

如果您已經正確選擇了res的初始形狀，您應該可以將每個圖像陣列複製到其插槽中，而無需循環或進行大量重塑。

其它方式使用列表追加

alist = [] 
for _ in range(...): 
    img = <load> 
    <reshape> 
    alist.append(img) 
res = np.array(alist)

此收集所有組件陣列到一個列表，並使用np.array到它們連接成一個陣列在開始一個新的層面。 np.stack在選擇concatenation軸時給予更多的權力。

來源

2017-01-18 03:16:23 hpaulj

如何在4D numpy數組中快速放置很多2D numpy數組？

回答

相關問題