Могу ли я использовать cv2.cvtColor (image, cv2.COLOR_GRAY2RGB) для пакета данных?

Question

Я работаю с Inception v3, пытаясь использовать изображения MNIST JPG в качестве набора данных для прогнозирования.Я столкнулся с проблемой, когда пришло время вводить тренировочные партии в модель.Ошибка из-за формы.X_batch создает форму (?, 299,299), где в качестве первого слоя требуется форма (?, 299, 299, 3).В другой части моего кода, которая заменяет несколько примеров, я смог использовать example_image = cv2.cvtColor(example_image,cv2.COLOR_GRAY2RGB) для преобразования примеров в RGB, что дало example_image.shape из (299, 299, 3).У меня вопрос, могу ли я использовать cv2 для преобразования моего X_batch в RGB или часть кода, чтобы X_batch имел форму (?, 299, 299, 3)?

Это частькода, который мне нужен для преобразования:

from random import sample

def prepare_batch(MNIST_paths_and_classes, batch_size):
    batch_paths_and_classes = sample(MNIST_paths_and_classes, batch_size)
    images = [mpimg.imread(path)[:, :] for path, labels in batch_paths_and_classes]
    prepared_images = [prepare_image(image) for image in images]
    X_batch = 2 * np.stack(prepared_images) - 1 # Inception expects colors ranging from -1 to 1
    y_batch = np.array([labels for path, labels in batch_paths_and_classes], dtype=np.int32)
    return X_batch, y_batch

X_batch, y_batch = prepare_batch(MNIST_paths_and_classes_train, batch_size=4)

X_batch = (4, 299, 299) y_batch = (4,)

  X_test, y_test = prepare_batch(MNIST_paths_and_classes_test, batch_size=len(MNIST_paths_and_classes_test))

X_test = (12000,299, 299)

Ошибка в этом разделе:

ValueError: Невозможно передать значение формы (40, 299, 299) для Tensor 'X: 0', который имеет форму '(?,299, 299, 3) '

n_epochs = 10
batch_size = 40
n_iterations_per_epoch = len(MNIST_paths_and_classes_train) // batch_size

with tf.Session() as sess:
    init.run()
    inception_saver.restore(sess, INCEPTION_V3_CHECKPOINT_PATH)

    for epoch in range(n_epochs):
        print("Epoch", epoch, end="")
        for iteration in range(n_iterations_per_epoch):
            print(".", end="")
            X_batch, y_batch = prepare_batch(MNIST_paths_and_classes_train, batch_size)
            sess.run(training_op, feed_dict={X: X_batch, y: y_batch, training: True})

        acc_train = accuracy.eval(feed_dict={X: X_batch, y: y_batch})
        print("  Train accuracy:", acc_train)

        save_path = saver.save(sess, "./my_MNIST_model")