列表中至少有一项不是三维的，或者其第二维或第三维与其他元素不匹配。如果仅第一维不匹配，则数组仍然匹配，但是作为单独的对象，不会尝试将它们协调为新的（四维）数组。下面是一些示例：

也就是说，冒犯元件的shape != (?, 224, 3)，
或ndim != 3（与?是非负整数）。
那就是给你错误的原因。

您需要解决此问题，以便将列表转换为四（或三）维数组。没有上下文，就无法说出要从3D项目中丢失尺寸还是要向2D项目添加尺寸（在第一种情况下），或者更改第二个或第三个尺寸（在第二种情况下）。

这是错误的示例：

>>> a = [np.zeros((224,224,3)), np.zeros((224,224,3)), np.zeros((224,224))]
>>> np.array(a)
ValueError: could not broadcast input array from shape (224,224,3) into shape (224,224)

或，不同类型的输入，但相同的错误：

>>> a = [np.zeros((224,224,3)), np.zeros((224,224,3)), np.zeros((224,224,13))]
>>> np.array(a)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: could not broadcast input array from shape (224,224,3) into shape (224,224)

或者，类似但带有不同的错误消息：

>>> a = [np.zeros((224,224,3)), np.zeros((224,224,3)), np.zeros((224,100,3))]
>>> np.array(a)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: could not broadcast input array from shape (224,224,3) into shape (224)

但是，以下结果将起作用，尽管结果与预期的结果不同：

>>> a = [np.zeros((224,224,3)), np.zeros((224,224,3)), np.zeros((10,224,3))]
>>> np.array(a)
# long output omitted
>>> newa = np.array(a)
>>> newa.shape
3  # oops
>>> newa.dtype
dtype('O')
>>> newa[0].shape
(224, 224, 3)
>>> newa[1].shape
(224, 224, 3)
>>> newa[2].shape
(10, 224, 3)
>>>