NumPy（下）：深度学习中的常用操作

一、文章背景与项目场景

本文以互联网教育推荐平台的图像分类项目为例，讲解深度学习项目中数据加载、训练与模型评估三个环节中频繁使用的 NumPy 操作。

无论使用 PyTorch、TensorFlow 还是 scikit-learn，读入数据时都会先转换成 NumPy 数组再进行后续操作。

二、数据加载阶段：图片读取

1. 图片读取工具

重要提醒：PyTorch 中很多图片操作基于 Pillow，遇到图片问题时应从 Pillow 角度出发思考。

2. 代码示例

Pillow 方式：

from PIL import Image
im = Image.open('jk.jpg')
im.size          # 输出：(318, 116)

import numpy as np
im_pillow = np.asarray(im)
im_pillow.shape  # 输出：(116, 318, 3)

OpenCV 方式：

import cv2
im_cv2 = cv2.imread('jk.jpg')
type(im_cv2)     # 输出：numpy.ndarray
im_cv2.shape     # 输出：(116, 318, 3)

3. 通道顺序的关键区别（重点）

★

⚠️ 重要警告：模型训练时的通道顺序需与预测时的通道顺序保持一致。用 Pillow 训练、用 OpenCV 读图预测，不会报错但结果不正确！

三、数组的索引与切片

NumPy 数组的索引与 Python 列表相同，同样支持切片索引。

重点语法：冒号 : 代表全部选中。

im_pillow[:, :, 0]   # 取图片第0个通道（R通道）的所有数据

提取三个通道：

im_pillow_c1 = im_pillow[:, :, 0]   # R通道
im_pillow_c2 = im_pillow[:, :, 1]   # G通道
im_pillow_c3 = im_pillow[:, :, 2]   # B通道

四、数组拼接：np.concatenate()

语法：np.concatenate((a1, a2, ...), axis=0)

• a1, a2, …：要合并的数组
• axis：沿哪一个维度合并，默认沿 0 轴

常见报错——维度不一致导致 axis 越界：

# 错误示例：im_pillow_c1是2维(116,318)，zeros是3维(116,318,1)
np.concatenate((im_pillow_c1, zeros, zeros), axis=2)
# 报错：AxisError: axis 2 is out of bounds for array of dimension 2

五、增加数组维度的方法

方法一：使用 np.newaxis

im_pillow_c1 = im_pillow_c1[:, :, np.newaxis]
im_pillow_c1.shape  # 输出：(116, 318, 1)

★

该操作在深度学习代码中很常见，PyTorch 中对应 unsqueeze()，TensorFlow 中使用 tf.newaxis。

方法二：直接赋值

im_pillow_c2_3ch = np.zeros(im_pillow.shape)
im_pillow_c2_3ch[:,:,1] = im_pillow_c2

六、深拷贝（副本）与浅拷贝（视图）——重点概念

概念对比

创建方式

浅拷贝示例

a = np.arange(6)      # [0 1 2 3 4 5]
b = a.view()
b.shape = 2, 3
b[0,0] = 111
print(a)              # [111   1   2   3   4   5]  ← 原数组也被修改！

只读数组问题（重要坑点）

im_pillow = np.asarray(im)   # 浅拷贝，Pillow数据只读
im_pillow[:,:,1:] = 0# 报错：ValueError: assignment destination is read-only

解决方法：改用深拷贝 np.array()：

im_pillow = np.array(im)     # 深拷贝，可修改
im_pillow[:,:,1:] = 0# 成功

七、模型评估阶段的重要函数

1. np.argmax() —— 求最大值对应的索引

np.argmax(probs)   # 返回概率最大值对应的类别索引

2. np.argmin() —— 求最小值对应的索引

用法与 argmax 相同。

3. np.argsort() —— 排序后返回原数组索引

语法：np.argsort(a, axis=-1, kind=None)

• 对原数组从小到大排序，返回对应元素在原数组中的索引

示例——找出概率最大的前3个类别：

probs = np.array([0.075, 0.15, 0.075, 0.15, 0.0, 0.05, 0.05, 0.2, 0.25])
probs_idx_sort = np.argsort(-probs)     # 加负号，降序排序
probs_idx_sort[:3]                      # array([8, 7, 1])  ← 概率最大的3个类别索引

八、函数汇总表

九、每课一练

题目：给定数组 scores，形状为 (256, 256, 2)，scores[:, :, 0] 与 scores[:, :, 1] 对应位置元素和为 1。要求：scores 通道 0 的值大于通道 1 的值时，mask 对应位置为 0，否则为 1。

参考解答：

# 解答一：利用 argmax
mask = np.argmax(scores, axis=2)

# 解答二：条件判断
mask = (scores[:, :, 0] < scores[:, :, 1]).astype('int')

十、小结

1. 数据加载阶段：掌握 Pillow 与 OpenCV 读取图片的区别，注意通道顺序一致。
2. 数据处理阶段：熟练使用索引、切片、拼接（concatenate）和维度扩充（np.newaxis）。
3. 深拷贝与浅拷贝：理解 view() 和 copy() 的区别，避免因浅拷贝导致的隐形 bug。
4. 模型评估阶段：掌握 argmax、argmin、argsort 的用法，高效处理模型输出结果。
5. 核心建议：理解"轴"（axis）的概念是掌握本节内容的关键，多动手练习才能融会贯通。