ValueError: ‘x0‘ must only have one dimension.

最新推荐文章于 2025-04-15 10:41:29 发布

原创最新推荐文章于 2025-04-15 10:41:29 发布 · 2k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#python #人工智能 #算法

文章讲述了在使用scipy的minimize函数进行l1_regularization去噪时遇到的x0维度问题，通过将x0扁平化（flattening）解决，确保优化过程顺利进行。

1.代码问题

scipy.optimize.minimale函数引发x0的错误，x0.ndim>1.

x0 = np.zeros_like(frame)
res = minimize(l1_regularization, x0, args=(frame, scale_factor), method='L-BFGS-B')
denoised_frame = res.x.reshape(frame.shape)
denoised_frames.append(denoised_frame.astype(np.uint8))

2.解决方案

x0 = np.zeros_like(frame)

res = minimize(l1_regularization, x0.flatten(), args=(frame, scale_factor), method='L-BFGS-B')
denoised_frame = res.x.reshape(frame.shape)
denoised_frames.append(denoised_frame.astype(np.uint8))

对X0进行降维，在后面加上flatten函数