我想进行图像分类，我有12000个三维numpy数组的列表作为data_X。这些阵列的形状均为300 x 300 x 3（高度，宽度，RGB）。我的data_Y只是12000个int列表（0到5之间），说明了数组所属的类。当我使用sklearn的train_test_split时

X_train，X_test，Y_train，Y_test = train_test_split（data_X，data_Y，test_size = 0.2，random_state = 42）

生成的X_train是一个9600个尺寸为300 x 300的二维数组的列表。我如何松开第三个维？

同样，当尝试拟合这样的神经网络时：

model1 = Sequential（）

model1.add（Conv2D（32，kernel_size =（3，3），activation =“ relu”，input_shape =（300，300，3）））

model1.add（Conv2D（32，kernel_size =（3，3），activation =“ relu”））

model1.add（MaxPooling2D（pool_size =（2,2）））

model1.add（下降（0.25））

model1.add（flatten（））

model1.add（Dense（6，activation =“ softmax”））

model1.compile（optimizer =“ rmsprop”，loss =“ categorical_crossentropy”，metrics = [“ accuracy”]）

model1.fit（X_train，Y_train，validation_data =（X_test，Y_test），时期= 80，batch_size = 20）

我收到此错误： 检查模型输入时出错：传递给模型的Numpy数组列表不是模型预期的大小。预计会看到1个数组，但获得了以下9600个数组的列表：[array（[[1。，1.，1.，...，1.，1.，1.]， [1.，1.，1.，...，1.，1.，1.]， [1.，1.，1.，...，1.，1.，1.]， ...， [1.，1.，1.，...，1.，1.，1.]， [1.，1.，1.，...，1.，1.，1 ....

请帮助！！！