列表中至少有一个项不是三维的，或者其第二维或第三维与其他元素不匹配。如果只有第一维不匹配，则数组仍然匹配，但作为单独的对象，不会尝试将它们协调到新的（四维）数组中。下面是一些示例：
也就是说，违规元素的shape != (?, 224, 3)，
或者ndim != 3（其中?是非负整数）。
这就是给你错误的东西。
你需要修正这个问题，才能把你的列表变成一个四维（或三维）数组。没有上下文，你不可能说你是想从3D项目中去掉一个维度，还是想在2D项目中增加一个维度（在第一种情况下），或者改变第二个或第三个维度（在第二种情况下）。
以下是错误的示例：

>>> 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)

或者，输入类型不同，但错误相同：

>>> 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，类似但具有不同错误消息：

>>> 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)

但以下措施将奏效，尽管结果与（大概）预期不同：

>>> 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)
>>>

是的，确实@Evert的答案是完全正确的。另外，我想再添加一个可能遇到这种错误的场景。

>>> np.array([np.zeros((20,200)),np.zeros((20,200)),np.zeros((20,200))])

这是非常好的。但是，这会导致ValueError：

>>> np.array([np.zeros((20,200)),np.zeros((20,200)),np.zeros((20,201))])

ValueError: could not broadcast input array from shape (20,200) into shape (20)

列表中的numpy数组也必须具有相同的大小。

您可以使用astype(object)将numpy.ndarray转换为object
这将工作：

>>> a = [np.zeros((224,224,3)).astype(object), np.zeros((224,224,3)).astype(object), np.zeros((224,224,13)).astype(object)]

我也面临着同样的问题，因为在我的数据集中，有些图像是灰度图像，所以我通过这样做来解决我的问题

from PIL import Image
    img = Image.open('my_image.jpg').convert('RGB')
    # a line from my program
    positive_images_array = np.array([np.array(Image.open(img).convert('RGB').resize((150, 150), Image.ANTIALIAS)) for img in images_in_yes_directory])

@aravk33的答案绝对正确。
我也在经历同样的问题。我有一个2450张图片的数据集。我只是想不通为什么我会面临这个问题。
检查训练数据中所有图像的尺寸。
在将图像追加到列表中时添加以下代码段：

if image.shape==(1,512,512):
    trainx.append(image)

在我的情况下，问题是在我的数据集，基本上我需要在进一步处理之前对我的数据进行预处理，因为在我的数据集中图像是随机格式，如RGB和灰度，所以维度不匹配。我只是按照Mudasir Habib's的答案。

from PIL import Image
img = Image.open('my_image.jpg').convert('RGB')

这个方法不需要修改dtype或者解开你的numpy数组。
其核心思想是：1.用一个额外行初始化2.将列表（其具有多一行）改变为数组3.删除结果数组中的额外行，例如

>>> a = [np.zeros((10,224)), np.zeros((10,))]
>>> np.array(a)
# this will raise error,
ValueError: could not broadcast input array from shape (10,224) into shape (10)

# but below method works
>>> a = [np.zeros((11,224)), np.zeros((10,))]
>>> b = np.array(a)
>>> b[0] = np.delete(b[0],0,0)
>>> print(b.shape,b[0].shape,b[1].shape)
# print result:(2,) (10,224) (10,)

的确，不一定非要多加一行，只要能避开@aravk33和@user707650回答中所述差距，稍后删除多出的一项，就可以了。

已解决-我遇到了相同的错误：X_test = np.数组（X_test，）值错误：无法将输入数组从形状（50，50，3）广播到形状（50，50）

打印出每一个图像的形状，然后变成这样：
~
十七〇八年：（五十、五十、三）
十七○九：（五十，五十）
1710年：（50，50）
1711年：（50，50，3）
1712年：（五十、五十、三）
1713年：（50，50，3）
~
这意味着阅读2个不同的图像文件夹并对其进行混洗后的混合1D和3D数据
img: first one is Grayscale and second one is Color image
添加了cv2.IMREAD_GRAYSCALE，问题得到解决
摘要：在我想转换成np数组的图像数据中包含了不同维度的图像

• 〉检查图像数据
• 〉发现有1D和3D图像
• 〉制作3D图像灰度（1D）
• 〉问题解决

我完全同意@mudassir的回答。如果你已经对你的数据集进行了推断，那么你很可能会得到这个错误。就像大多数的推断一样，它会自动应用灰度效果，实际上是二维的，而原始图片（RGB）是三维的。我自己使用的是roboflow的数据集，它已经被扩充，也有类似的问题。然后我删除了“灰度化步骤”但是它还是给出了错误。但是，一个我删除了灰度，色调和饱和度，它的工作就像一个魅力。我建议你也试试。