实例演示：使用Python的img_to_array()函数将图像转换为数组

img_to_array()函数是Keras中的一个图像预处理函数，它用于将图像转换为数组形式。在深度学习中，我们通常需要将图像转换为数组来进行数据处理和模型训练。

下面是一个使用img_to_array()函数将图像转换为数组的实例演示：

from keras.preprocessing.image import load_img, img_to_array

# 加载图像
img = load_img('image.jpg', target_size=(224, 224))

# 将图像转换为数组
array = img_to_array(img)

# 打印数组形状
print(array.shape)

在这个例子中，首先我们使用load_img()函数加载一张图像。load_img()函数接受两个参数，第一个参数是图像的路径，第二个参数是目标大小。通过指定目标大小，我们可以在加载图像的同时进行图像的缩放。

然后，我们使用img_to_array()函数将加载的图像转换为数组。img_to_array()函数接受一个图像对象作为参数，并返回一个表示图像的多维数组。这个数组的形状是(height, width, channels)，其中height和width表示图像的尺寸，channels表示图像的通道数。

最后，我们使用print()函数打印数组的形状。在这个例子中，假设加载的图像的尺寸是224x224，且是RGB彩色图像，则打印的结果为(224, 224, 3)。

通过img_to_array()函数将图像转换为数组，我们可以方便地在模型中输入图像数据。在深度学习中，图像数据通常作为模型的输入，img_to_array()函数提供了一种简单和高效的方式来完成这个转换过程。

需要注意的是，img_to_array()函数只是将图像转换为数组，并不进行任何的预处理操作，如归一化、通道顺序调整等。如果需要对图像进行进一步的预处理，可以使用其他相应的函数来完成。