当年话下
好吧，您可以通过查看以下源代码轻松找到答案img_to_array：def img_to_array(img, data_format='channels_last', dtype='float32'): """Converts a PIL Image instance to a Numpy array. # Arguments img: PIL Image instance. data_format: Image data format, either "channels_first" or "channels_last". dtype: Dtype to use for the returned array. # Returns A 3D Numpy array. # Raises ValueError: if invalid `img` or `data_format` is passed. """ if data_format not in {'channels_first', 'channels_last'}: raise ValueError('Unknown data_format: %s' % data_format) # Numpy array x has format (height, width, channel) # or (channel, height, width) # but original PIL image has format (width, height, channel) x = np.asarray(img, dtype=dtype) if len(x.shape) == 3: if data_format == 'channels_first': x = x.transpose(2, 0, 1) elif len(x.shape) == 2: if data_format == 'channels_first': x = x.reshape((1, x.shape[0], x.shape[1])) else: x = x.reshape((x.shape[0], x.shape[1], 1)) else: raise ValueError('Unsupported image shape: %s' % (x.shape,)) return x因此，主要区别在于您可以将数据格式参数img_to_array传递给以将通道放置在第一个轴或最后一个轴上。此外，它将确保返回的数组是一个 3D 数组（例如，如果给定的输入img是一个可能表示灰度图像的 2D 数组，那么它将添加另一个维度为 1 的轴以使其成为 3D 数组）。请注意，尽管在 docstring 中提到输入图像是 PIL 图像实例，但它也适用于 numpy 数组甚至 Python 列表（因为输入首先转换为 numpy 数组：）x = np.asarray(img, dtype=dtype)。