如何将 128 维面部编码存储在 numpy 多维数组中?

Posted

技术标签:

【中文标题】如何将 128 维面部编码存储在 numpy 多维数组中?【英文标题】:How to store 128-d facial encodings in a numpy multidimensional array? 【发布时间】:2021-11-29 12:25:00 【问题描述】:
image_encodings = np.array(
face_recognition.face_encodings(
bgr_image, self.image_locations, model="cnn"))
self.image_encodings = image_encodings[0]
self.image_encodings_list = np.append(self.image_encodings_list, self.image_encodings)

它将 128 个图像编码存储为单独的行,因此 x 轴,我希望将一个图像的编码存储为单行,因此 128 列。

【问题讨论】:

【参考方案1】:
self.image_encodings_list = np.append(self.image_encodings_list, self.image_encodings, axis=0)

【讨论】:

如果您能提供一些关于为什么添加axis=0 是解决方案的信息,而不仅仅是一行代码,那就太好了。 delftstack.com/howto/numpy/numpy-add-row-to-matrix numpy.append(arr, values, axis=None)。 numpy 模块中的 append() 函数可以将元素添加到数组的末尾。通过将轴指定为 0,我们可以使用此函数向矩阵添加行。

以上是关于如何将 128 维面部编码存储在 numpy 多维数组中?的主要内容,如果未能解决你的问题,请参考以下文章

Numpy、Pandas 和 Sklearn 中的多维缩放拟合(ValueError)

python 如何获取数组(列表)长度? len()

numpy中多维数组的绝对索引

在多维数组上使用 numpy.argmax()

Numpy Ndarray 对象

如何在不使用 NumPy 复制的情况下展平多维数组的轴?