在python中，如何使用np数组有效地处理多维？

Question

我的数据集中有成千上万的32 X 32 RGB图像。 例如。

X_train，形状（123123、32、32、3）

我想将rgb变灰，并将形状更改为（123123，32，32，1）

我这里的代码非常不够，我想知道什么是最好的方法。 我在AWS G2或P2主机上，所以我有GPU。

谢谢。

def grayedOut(x) :
    out = []

    for n in range(len(x)) :
        nv = []
        for i in range(len(x[n])) :
            iv = []
            for j in range(len(x[n,i])) :
                r,g,b = x[n,i,j,0], x[n,i,j,1], x[n, i,j,2]
                gray = np.uint8(0.2989 * r + 0.5870 * g + 0.1140 * b)

                iv.append(np.asarray([gray]))
            nv.append(iv)
        out.append(nv)
    return np.asarray(out)

Answer 1

你可以简单地写

def grayedOut(x):
    return x.dot([0.2989, 0.5870, 0.1140])[..., np.newaxis].astype(np.uint8) 

• x.dot([0.2989, 0.5870, 0.1140]) ：计算每个像素的灰度分量。 结果形状将为(123123, 32, 32)
• [..., np.newaxis] ：为结果创建一个新轴，并给出所需的形状(123123, 32, 32, 1)
• .astype(np.uint8) ：将数据类型转换为uint8。

Answer 2

假设images是所有 RGB图像的数组。 然后，以下代码生成灰度图像数组：

coeffs = np.array([0.2989, 0.5870, 0.1140])
gray = np.apply_along_axis(coeffs.dot, 3, images).astype(np.uint8)

我希望这段代码比您的三重循环更快。