如何在4D numpy数组中快速放置很多2D numpy数组？

我有大约150,000个图像，我想要加载一个形状为[index][y][x][channel]的numpy数组。目前，我这样做：如何在4D numpy数组中快速放置很多2D numpy数组？

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]

这样的作品，但我认为必须有一个比遍历元素更好的解决方案。我可以摆脱重塑，但这仍然会留下两个嵌套的for-loops。

什么是达到相同的最快方式images 4D阵列，有150,000图像需要加载到它？

来源

2017-01-17 Martin Thoma

通常，您在处理numpy数组时不需要复制单个元素。你可以只指定轴（如果他们是平等的大小或broadcastable）你想你的阵列复制到和/或来自：

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

，而不是你的循环。事实上，你并不需要重塑可言：

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

这些:指定您希望这些轴线被保留（不切）和numpy的支持数组数组赋值，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.]]])

来源

2017-01-18 00:00:47 MSeifert

由于'（x，y，1）'不会广播到'（x，y）'，所以不能确定这将适用于'flatten = False'。不是'images [i] = scipy.ndimage.imread（fname，flatten = False，mode ='L'）'够了吗？ – Eric

@Eric好问题，我认为['mode ='L'']（http://pillow.readthedocs.io/en/3.4.x/handbook/concepts.html#modes）只是定义了“位”灰度（8位），但会返回一个二维数组。 – MSeifert

本质上有2个接近

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

如果您已经正确选择了res的初始形状，您应该可以将每个图像阵列复制到其插槽中，而无需循环或进行大量重塑。

其它方式使用列表追加

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

此收集所有组件阵列到一个列表，并使用np.array到它们连接成一个阵列在开始一个新的层面。 np.stack在选择concatenation轴时给予更多的权力。

来源

2017-01-18 03:16:23 hpaulj

如何在4D numpy数组中快速放置很多2D numpy数组？

回答

相关问题