代码之家 › 专栏 › 技术社区 › fabian789

从3D矩阵中提取面片

tensorflow numpy python

7

fabian789 · 技术社区 · 8 年前

我有一个3D矩阵 A 尺寸 h x w x c .我想提取维度的补丁 ph x pw 从每个“通道” c . ph 分开 h 和 pw 分开 w 在该示例中,

h x w x c = 4 x 4 x 3
ph x pw = 2 x 2

我知道如何在tensorflow中使用 gather_nd 但我希望在设置它方面有更有效的方法,因为维度会很大,我不希望索引数组 聚集 在内存中。可能有智能重塑吗?无论是numpy还是tensorflow解决方案都会非常好!

1 回复 | 直到 8 年前

1

4

Divakar 8 年前

您可以使用一些轴的重塑和交换-

A.reshape(h//ph,ph,w//pw,pw,-1).swapaxes(1,2)

样本运行-

In [46]: # Sample inputs
    ...: h,w,c = 10,12,3
    ...: ph, pw = 2,2
    ...: A = np.random.randint(0,9,(h,w,c))
    ...: 

In [47]: A.reshape(h//ph,ph,w//pw,pw,-1).swapaxes(1,2).shape
Out[47]: (5, 6, 2, 2, 3)

沿前两个轴的每个元素(作为块)表示面片。因此对于提供的样本,我们将 5 x 6 = 30 补丁。

如果希望这些面片沿着一个合并的第一个轴,请使用一个或多个面片 reshape -

In [85]: out = A.reshape(h//ph,ph,w//pw,pw,-1).swapaxes(1,2).reshape(-1,ph,pw,c)

In [86]: out.shape
Out[86]: (30, 2, 2, 3)

让我们通过手动检查值本身进行验证-

In [81]: A[:ph,:pw] # First patch
Out[81]: 
array([[[6, 5, 2],
        [4, 0, 1]],

       [[0, 0, 4],
        [2, 3, 0]]])

In [82]: A[:ph,pw:2*pw] # Second patch
Out[82]: 
array([[[8, 3, 3],
        [0, 0, 2]],

       [[8, 5, 4],
        [3, 4, 6]]])

In [83]: out[0]
Out[83]: 
array([[[6, 5, 2],
        [4, 0, 1]],

       [[0, 0, 4],
        [2, 3, 0]]])

In [84]: out[1]
Out[84]: 
array([[[8, 3, 3],
        [0, 0, 2]],

       [[8, 5, 4],
        [3, 4, 6]]])