如何将图像序列作为3d张量读取？
将图像序列作为3D张量读取是指将一系列图像数据组织成一个三维张量的过程。下面是一个完善且全面的答案：
图像序列是指一组连续的图像，例如视频、动画或时间序列图像。在计算机视觉和机器学习领域，将图像序列作为3D张量进行处理是非常常见的任务，可以用于视频分析、动作识别、行为预测等应用。
要将图像序列作为3D张量读取，可以按照以下步骤进行：
- 加载图像序列：首先，需要将图像序列从存储介质（例如硬盘）中加载到内存中。可以使用各种编程语言和库来实现，例如Python中的OpenCV、PIL等。
- 图像预处理：在将图像序列转换为3D张量之前，通常需要进行一些预处理操作，例如调整图像大小、裁剪、旋转、灰度化、归一化等。这些操作可以根据具体的应用需求进行选择和调整。
- 构建3D张量：一旦图像序列经过预处理，就可以将它们组织成一个3D张量。在这里，可以将每个图像视为一个二维矩阵，并将这些矩阵堆叠在一起形成一个3D张量。通常，时间维度会被放置在最前面或最后面，具体取决于应用的需求和数据格式。
- 数据存储和访问：最后，将构建好的3D张量存储到内存或硬盘中，以便后续的处理和分析。可以使用各种数据存储格式，例如Numpy数组、HDF5、TFRecord等。
对于图像序列作为3D张量的应用场景，包括但不限于视频分类、动作识别、行为预测、视频生成等。在这些应用中，通过将图像序列转换为3D张量，可以利用深度学习模型进行训练和推理，从而实现对图像序列的分析和理解。
腾讯云提供了一系列与图像处理和计算机视觉相关的产品和服务，例如腾讯云图像处理（Image Processing）和腾讯云智能视频（Intelligent Video）。您可以访问腾讯云官方网站了解更多关于这些产品的详细信息和使用指南。
参考链接：
相关·内容
我尝试向keras模型张量提供numpy数组的值。但是张量是4D的，阵列是3D的。如何将这个3Dnumpy数组(128,128，3)转换为4D (?，128,128，3)张量？
浏览 13提问于2020-07-26得票数 0
2回答
如何将3D张量保存为torch中的图像？
我使用的是图片包：
要将3D张量保存为图像，请执行以下操作：
image.save('train100.jpg', trainData[100])
重新加载时：
x = image.load('train100.jpg'.jpg' )
我得到x与原始张量不同，保存的图像都是白色的。
代码如下：
require 'torch'
require 'image'
local trainset = torch.load('cifar.torch/cifar10-train.t7
浏览 5提问于2016-11-21得票数 0
我想从带有python和opencv的视频中捕获帧，然后用tensorflow对捕获的Mat图像进行分类。问题是，我不知道如何将format格式转换为3D张量变量。这就是我现在如何处理tensorflow (从文件中加载图像)：
image_data = tf.gfile.FastGFile(imagePath, 'rb').read()
with tf.Session() as sess:
softmax_tensor = sess.graph.get_tensor_by_name('final_result:0')
predictions =
浏览 3提问于2016-10-26得票数 11
回答已采纳
1回答
为了将医学专业知识与深度学习结合起来，我想将代表同一CT图像的不同地图的多个图像组合在一个张量中。 假设我们从下面的CT图像开始： ? 我们可以手工制作这个特定图像的不同映射(即转换)，以体现相关的医学诊断知识。 因此，我们可能最终得到从1开始的10个2D灰度图像，然后我们可以将其打包为3D张量。 在公共领域(例如Keras)使用这些具有10个通道(而不是3- R-G-B)的3D图像作为输入，利用经过训练的DL CNN模型，是否可以使用迁移学习？ 如果是，是如何实现的？如果不是，还有其他选择吗？
浏览 26提问于2019-10-03得票数 2
我想在TensorFlow中使用这个函数，但是它对3D张量而不是4D张量进行操作:我有一个外部维度batch_size。
tf.image.random_flip_left_right(input_image_data)
也就是说，此函数需要形状的张量(图像)：
(width, height, channels)
但我有多个图像，例如：
(batch_size, width, height, channels)
如何将随机翻转函数映射到批处理大小中的每个图像，并将具有相同4D形状的张量作为输出？
我的猜测是，它需要在函数入口处进行重塑，并在函数之后进行重塑，但我不确定这是否会破坏数据的结构，并
浏览 4提问于2016-09-19得票数 5
我目前正在尝试设计一个生成器模型，它采用输入图像和连接在图像中的条件标签。 输入图像是3D (包括通道)，而标签是1D (包含类的idx ) input_image = Input(shape=(row, col, chann))
cond = Input(shape=(1,)) 根据Concatenate的信息，我需要重塑cond，使其与input_image的形状相同。但就我在Keras docs上发现的，只有RepeatVector可以将2D张量重复到3D。 如何将cond输入复制为相同的形状，以便可以将其连接起来？
浏览 20提问于2019-03-12得票数 0
回答已采纳
我有一个具有[#batch, #MaxSequence, #Features]形状的张量[#batch, #MaxSequence, #Features]，其中第2维的实际长度(可能小于#MaxSequence)存储在张量L中。我想排序的第二个特点，在第3维的顺序在每批A。我看到这个使用tf.gather和tf.nn.top_k对二维张量进行排序，但我不知道如何将它应用于3D情况。我需要用循环来做吗？
浏览 1提问于2017-10-04得票数 3
回答已采纳
我对神经网络和Keras库相当陌生，我想知道如何使用中描述的嵌入层来将输入数据从2D张量屏蔽到3D张量。
假设我的时间序列数据如下所示(随着时间的增加)：
X_train = [
[1.0,2.0,3.0,4.0],
[2.0,5.0,6.0,7.0],
[3.0,8.0,9.0,10.0],
[4.0,11.0,12.0,13.0],
...
] # with a length of 1000
现在，假设我想给RNN最后两个特征向量，以便预测time t+1的特征向量。
目前(没有嵌入层)，我自己创建了所需的带有shape (nb_samples，timeste
浏览 2提问于2016-01-30得票数 9
1回答
作为我正在处理的CNN的输入，我想使用一系列图像(在卷积层中进行3D卷积)。
但是，我已经无法将图像读取为可以用于计算的3D张量。
这是我的原始尝试：
def get_sequence_as_tensor(folder):
images = [folder + "/depth-%i.png" for i in range(15)]
tensor = tf.zeros(shape=(480, 640, 15), dtype=tf.float32)
for i, image in enumerate(images):
img = tf.im
浏览 3提问于2016-07-25得票数 0
回答已采纳
1回答
将base64图像转换为张量
、、、、
我将图像作为base64字符串发送到节点快速服务器，以便使用tensorflow分析对象检测。如何将base64图像作为张量进行节点js中的cocossd模型的对象检测。
浏览 2提问于2020-05-12得票数 3
回答已采纳
1回答
基于CNN的图像反褶积
、、、
我有shape (C,H,W)的输入张量，其中H=W和C=W^2。该张量包含压缩到shape (1,H,W)的(H,W)图像的非线性变换信息.转换的确切形式并不重要(另外，它也没有封闭的形式表达式)。我想设计一个CNN来估计来自这些张量的图像。我意识到我将不得不对CNN architectures进行实验(因为我没有确切的转换形式)，但我不确定如何进行。
输入张量具有正值和负值，这对图像重建是很重要的，因此ReLU layer可能不应该在CNN开始时实现。我不认为池层也是有用的，至少在H和W维度中是这样。显然，我必须折叠C维才能得到图像，但我不认为它应该一次性完成，e.g., torch.nn
浏览 2提问于2020-01-25得票数 3
在的TensorFlow文档中，有以下代码：
# Reshape non-sparse elements just once:
for k in self._keys_to_features:
v = self._keys_to_features[k]
if isinstance(v, parsing_ops.FixedLenFeature):
example[k] = array_ops.reshape(example[k], v.shape)
我想知道为什么在从TFRecord文件解析后需要重塑FixedLenFeature张量。
事实上，FixedLenFeature和V
浏览 0提问于2017-02-08得票数 2
回答已采纳
1回答
我希望能够将为3D张量设计的函数应用于4D张量中的每个3D张量，即image.translate()。例如，我可以将该函数单独应用于维度(3,50,50)的两个图像，但如果我可以提供它们的(2,3,50,50)的4D连接，那就太好了。
这可能可以在for循环中完成，但我想知道是否有内置的函数来实现这一点。谢谢。
浏览 1提问于2015-12-07得票数 4
2回答
我已经将一系列图像读取到一个形状为(7338, 225, 1024, 3)的numpy数组中，其中7338是样本大小，225是时间步长，1024 (32x32)是3通道(RGB)中的扁平图像像素。
我有一个带有LSTM层的顺序模型：
model = Sequential()
model.add(LSTM(128, input_shape=(225, 1024, 3))
但这会导致错误：
Input 0 is incompatible with layer lstm_1: expected ndim=3, found ndim=4
提到LSTM层的输入张量应该是3D tensor with sh
浏览 3提问于2017-12-06得票数 12
回答已采纳
1回答
列表张量/熊猫-数据/数字数组
、、、、
我是熊猫和矮胖的初学者。
我正在处理中提到的数据集，
我有几个图像，每个图像都由某些视觉描述符来描述，比如CM、CN、GLRLM (这些描述符的含义并不重要)，这些视觉描述符基本上是列表。
所以我的数据结构是：
idsDict = {
12312: {
"CM": [2, 3, 1, 5, 1],
"CN" : [1, 4, 5, 1]
},
21367: {
"GLRLM": [9, 4, 1, 4, 5, 12, 67, 12],
"CM&
浏览 0提问于2018-11-15得票数 1
1回答
(1300,730) (433,320) (428,320) (428,320) (108,108) (416,301) (42，42) (307,307) (34，34) (1253,1880) (260,194) (428,320) (436,322) (1253,1880) (428,320) (285,236) (1253,1880) (259,194)如果我有上述尺寸的图像，我如何将它们调整为100 img大小。我试过使用tf.image.resize，但它需要3D或4D的图像张量。我如何调整它们的大小。
浏览 10提问于2021-02-04得票数 0
回答已采纳
1回答
我尝试将一个函数应用于3d火炬张量，同时将该函数应用于2d张量，该张量通过3d火炬张量的轴1读取。 例如，我有一个形状为(51, 128, 20100) (名为autoencode_logprob的变量)的火炬张量，函数(Rawid2sentence)在形状(51, 20100)的输入上运行。 现在，我编写了使用naive for循环运行的代码，使用range(128)逐个循环。 然而，它太慢了。以下是重要的代码部分。 autoencode_logprobs是3d张量，我需要沿着它的第二个轴应用rawids2sentence函数。有没有帮助将其矢量化？ for i in range(128)
浏览 19提问于2019-05-08得票数 0
我有一个.pb模型文件，我可以通过get_tensor_by_name获得输入张量和输出张量，然后使用输入和输出张量创建一个保存的模型，然后可以在tensorflow模型服务器中提供该模型。但是目前，输入张量是3D数组格式的图像，我想再添加一层来解码jpeg编码的字符串，并将结果输入到当前的输入张量中，有什么建议吗？
浏览 1提问于2017-12-21得票数 0
2回答
我使用的是VGG16模型，它需要一个4D张量作为输入。当我调用model.fit(xtrain, ytrain, ...)时，我的xtrain是3D张量[size, size, features]的列表，所以在本例中：[224,224,3]
我想要的是[len(images), size, size, features]的4D张量
我怎样才能修改我的代码才能到达那里？
我试过tf.expand_dims和tf.concant，但都没成功。
# Transforming my image to a 3D Tensor
image = tf.io.read_file(image)
image =
浏览 0提问于2019-07-03得票数 4
我有一个形状的张量，[?,128,128,128,5].This表示一个具有5个可能类别的3D图像。 我想在[?,:,:,:,4]中添加子张量[?,:,:,:,2]和[?,:,:,:,3]，它们现在都是零。 然后我想把前面的子张量[?,:,:,:,2]和[?,:,:,:,3]设置为0。我该怎么做呢？ 感谢您的帮助！
浏览 5提问于2019-06-14得票数 0
回答已采纳
我在PyTorch中发现了一行用于将3D张量简化为2D张量的代码。3D张量x的大小为torch.Size([500, 50, 1])，下面这行代码：
x = x[lengths - 1, range(len(lengths))]
用于将x简化为大小为torch.Size([50, 1])的2D张量。lengths也是包含值的shape torch.Size([50])的张量。
有谁能解释一下这是怎么工作的吗？谢谢。
浏览 1提问于2020-02-13得票数 3
我正在为我的网络使用3D卷积。在我的网络的一个节点中，我需要将我的图像从[5,50,50,10,256]调整到[5,100,100,10,256]。我只想调整我的图像的轴1和轴2的大小。
我试过使用，但它似乎只适用于3D or4D张量。
有什么建议吗？
浏览 0提问于2017-05-08得票数 1
回答已采纳
1回答
我有一个巨大的numpy 3D张量，它存储在磁盘上的一个文件中(我通常使用np.load读取该文件)。这是一个二进制.npy文件。在使用np.load时，我很快就使用了大部分内存。
幸运的是，在程序的每一次运行中，我只需要一小部分巨大的张量。该切片具有固定的尺寸，其尺寸由外部模块提供。
做这件事最好的方法是什么？我唯一能找到的方法就是将这个numpy矩阵存储到MySQL数据库中。但我确信有很多更好/更简单的方法。如果有帮助的话，我也很乐意以不同的方式构建我的3D张量文件。
如果我的张量在本质上是稀疏的，答案会改变吗？
浏览 4提问于2017-03-10得票数 28
回答已采纳
对于给定的2D张量，我想检索值为1的所有索引。我希望能够简单地使用torch.nonzero(a == 1).squeeze()，这将返回tensor([1, 3, 2])。然而，相反，torch.nonzero(a == 1)返回一个2D张量(没关系)，每行有两个值(这不是我所期望的)。然后，返回的索引应该用于对三维张量的第二维(索引1)进行索引，并再次返回2D张量。
import torch
a = torch.Tensor([[12, 1, 0, 0],
[4, 9, 21, 1],
[10, 2, 1, 0]])
浏览 7提问于2019-09-27得票数 1
回答已采纳
2回答
我正在使用Django 3，我想要创建一个模型，在其中我上传一个张量文件(称为ct)，然后详细说明它，提取这个张量的切片，并将单个张量保存为不同的图像。
这是我的模型：
class Case(models.Model):
slug = ShortUUIDField(max_length=3)
title = models.CharField(max_length=50)
#...
ct = models.FileField()
# here I want to save a series of images that I extracted from t
浏览 0提问于2021-02-19得票数 2
3回答
我有两个张量：
a = torch.randn((1, 30, 1220)) # represents text embedding vector (30 spans, each with embedding size of 1220)
b = torch.randn((1, 128, 256)) # represents image features obtained from a pretrained CNN (object detection)
如何将b中的所有内容连接到a的30个跨度中的每一个
如何将整个b与整个a连接起来
这就是我想做的：
提交人只提
浏览 2提问于2021-09-02得票数 2
1回答
我最近开始使用PyTorch的ML/DL。下面的pytorch示例解释了如何训练一个简单的模型来将德语翻译成英语。 https://pytorch.org/tutorials/beginner/torchtext_translation_tutorial.html 然而，我对如何使用该模型在自定义输入上运行推理感到困惑。据我目前所知： 1)我们需要使用torch.save()保存德语(输入)和英语(输出)的"vocab“，以便以后可以用来运行预测。 2)在对德语段落运行推理时，我们首先需要使用德语词汇文件将德语文本转换为张量。 3)上述张量将传递给模型的正向方法进行翻译 4)模型将再
浏览 43提问于2020-01-01得票数 2
1回答
给定shape=[batch_size, max_time, 128] (RNN的输出)的张量，其max_time可能会有所不同，我想应用一个完全连接的层来将数据投影到[batch_size, max_time, 10]形状上。
问题是:我是否需要首先重塑输入张量，合并前两个维度，然后应用tf.layers.dense，然后重塑回3D？或者，我可以简单地在3D张量上使用tf.layers.dense来获得等效效果吗？
我希望为128个RNN单元和10个输出类之间的所有连接共享一个权重矩阵，同时允许每个批次的可变长度max_time。
浏览 1提问于2017-10-12得票数 4
我的目标是3D医学图像。
对于具有形状[batch, height, width, channels]的4维张量B，使用tf.image.resize_*进行上采样。
对于具有形状[batch, height, width, depth, channels]的5-D张量A，例如对形状[batch, 1.5*height, 1.5*width, 1.5*depth, channels]进行上采样，可以使用tf.nn.conv3d_transpose进行上采样，但我不需要额外的权重来进行训练。
在tensorflow中对5-D张量的上采样有直接的操作吗？
浏览 8提问于2018-05-15得票数 2
1回答
我刚刚读了纸关于cnn + rnn的文本识别。数据集的标签是字符索引的张量(例如，标记为“abc”的图像的0，1，2 )。由于每个输入的标号有不同的长度，我是否需要将标签转换为稀疏张量值？因为报纸没有提到它。
浏览 0提问于2019-02-20得票数 2
我有一个占位符变量，它需要一批输入图像：
input_placeholder = tf.placeholder(tf.float32, [None] + image_shape, name='input_images')
现在我有两个输入数据来源：
1)张量和
2)一些numpy数据。
对于numpy输入数据，我知道如何将数据提供给占位符变量：
sess = tf.Session()
mLoss, = sess.run([loss], feed_dict = {input_placeholder: myNumpyData})
如何将张量提供给占位符变量？
mLoss, = se
浏览 0提问于2017-03-03得票数 24
我最近使用mnist数据集构建了一个预测手写整数的模型。现在我想使用我自己的图像。我的图像是28x28像素(就像mnist集)，但当我尝试使用tf.image.decode_png将它们转换为张量时，我得到了一个3D张量28，28，4。根据阅读，我认为额外的4是与RGB相关的。我如何在忽略任何颜色尺度的情况下转换为28，28 (如果这是真正的问题，也许我完全遗漏了一些东西)。 谢谢!
浏览 116提问于2020-10-13得票数 1
2回答
我有一个形状的输入张量(32,256,256,256)。在这个张量形状中，32是批次大小。第二，256是给定大小为256×256的图像中的信道数。
我想做池，以便将张量转换成形状( 32，32,256,256)。在PyTorch中，如果我尝试应用池，则形状的最后两个维度(与图像相关)正在发生变化，但与通道相关的维度却没有变化。
能否将池应用于输入张量以获得输出张量？如果不可能，建议我如何将输入张量转换为输出张量？
浏览 0提问于2021-09-23得票数 1
我们正在使用kinect和opencv做一个项目。我对3D分析完全陌生。主要目的是从kinect中获取深度和rgb信息，对rgb mat (基本滤波和阈值函数)进行处理，并将处理后的rgb图像与原始的深度信息结合起来。我需要一些基本步骤来遵循合适的应用程序( opencv、opengl、openni、kinect sdk等)。
1)如何将深度和rgb信息从kinect传递给opencv？
2)我们能单独访问rgb图像来处理它吗？
3)如何将两者结合起来，使用哪些功能来显示输出？
我们使用Windows64位和kinect作为3D传感器。我们计划使用OpenNI获取图像rgb和深度信息，然后在O
浏览 1提问于2015-03-22得票数 4
回答已采纳
如何将PyTorch张量转换为视图(如((value0, row0, column0), (value1, row0, column1)...) )？例如，如果我有张量
a = torch.tensor([[5, 7],
[9, 11]])
函数应该返回：((5, 0, 0), (7, 0, 1), (9, 1, 0), (11, 1, 1))。另外，我希望它的函数适用于常量、一维、三维、4D等张量，例如，对于3D，我希望它输出(value0，dim1，dim2，dim3)。
我试着使用for循环，但是没有意识到如何使用它们来完成这个任务:我只能为一定数量的
浏览 4提问于2020-09-18得票数 0
回答已采纳
6回答
在scipy中，我们可以使用scipy.sparse.lil_matrix()等构造一个稀疏矩阵，但是这个矩阵是二维的。
我想知道Python中是否有用于稀疏3d矩阵/数组(张量)的现有数据结构？
附注：我在3d中有很多稀疏数据，需要一个张量来存储/执行乘法。如果没有现有的数据结构，有什么建议来实现这样的张量吗？
浏览 1提问于2011-10-07得票数 82
我希望将张量图像(也可以是numpy数组)加载到tensorflow js中作为输入张量。我想知道是否有任何可能的方法来实现这一点。(我不想加载原始图像，我想在python中完成预处理后加载它)。谢谢!
浏览 11提问于2020-02-13得票数 0
2回答
如何创建用于3D对象检测的自定义数据集，我想使用"Stanford3dDataset“或"Scannet”作为基线，并将感兴趣的对象添加到数据集中。我有从3D camera Realsense捕获的PCD文件，对于3D对象检测，我使用Pointnet模型。
我看到数据集有文本文件作为输入，而不是PCD或PLY格式，如何将PLY/PCD文件转换为文本文件。
浏览 35提问于2020-05-21得票数 1
回答已采纳
我有一个形状为(batch_size, max_sequence_length, embedding_size)的张量，它被填充到最大长度来存储序列。我也有(batch_size, max_sequence_length, vocab)，例如： # Batch size many, (batch_size, 4, 8)
[2,4,1,4]
[7,4,2,0]
[6,0,0,0]
# Using EmbedID(ignore_label=0) to get (batch_size, 4, embeddeding_size) 例如，我们如何将其传递给Chainer中的NStepGRU链接？并且例
浏览 6提问于2019-04-13得票数 0
回答已采纳
我把我的第一步移到vtk上，而且由于缺乏文档，我很挣扎。我有一个.vtk文件，它是我尚未创建的vtkDataSet类型对象。我需要导出它的内容，并将其转换为一个3D numpy矩阵，定制它及其张量，并将所有内容写入一个vtkDataSet对象和.vtk文件中。
到目前为止，我的结果是使用vtk.util.numpy_support vtk_to_numpy将点的坐标(这不是我所需要的)保存到一个numpy数组中。但是，我需要一个3D的数字矩阵来表示它的体绘制。说到张量，我想出了如何将9元素张量保存到文件中的方法和位置。我只是不确定如何正确地将它与要点联系起来。最后一步是vtk的三维numpy数
浏览 0提问于2019-06-03得票数 1
回答已采纳
我正在尝试通过在医学图像上重新训练InceptionV3来进行迁移学习-灰度3D脑正电子发射计算机断层扫描。
我有两个挑战:将我的数据从灰度转换为RGB图像，并为初始架构格式化我的3D输入数据。
我解决了第一个挑战，通过将它们堆叠到3个通道中(将相同的图像提供给网络的所有3个通道)。
第二个挑战仍然是一个问题:网络接受2D图像。目前的图像尺寸是79x95x79x3，网络很乐意接受79x95x3的图像。
什么是解决这个问题的好方法，可以将3D图像提供给网络，还是必须将它们转换为2D图像。如何将图像转换为2D图像？
在研究中，采用栅格法从每幅3D图像中提取8幅二维图像，并将其显示为栅格图像进行分类
浏览 0提问于2020-03-06得票数 1
keras.layers.RNN
输入形状三维张量(batch_size，timesteps，input_dim)。
输出形状
if return_state:张量列表。第一个张量是输出。剩下的张量是最后的状态，每个状态都有形状(batch_size，单位)。
如果return_sequences:三维张量与形状(batch_size，时间步骤，单位)。否则，二维张量与形状(batch_size，单位)。
1.我对时间步骤的概念感到困惑。
2.我对如何处理三轴输入的过程感到困惑。
简化代码
import keras
from keras.applications.inception_r
浏览 1提问于2018-10-31得票数 0
回答已采纳
1回答
考虑以下表述：
((password|secret)(=|%3D%22))+([^&|\"|%22]*)
和价值：
http://host?foo=bar&xml=%3C%3Fxml+id%3D%220abc987%22+password%3D%22secreT12aa5%22+binds%3D%222%22
xml参数包含编码值<?xml id="0abc987" password="secreT12aa5" binds="2"。
我想要实现的是匹配password="secreT12aa5"，然后
浏览 1提问于2017-10-05得票数 1
回答已采纳
2回答
我有一个字符串张量对象，它是通过在图像张量tf.io.encode_jpeg上调用生成的。
如何将此字符串张量转换为PIL映像？
我试着打电话给Image.fromarray(encoded_tensor.numpy())，但这会返回AttributeError: 'bytes' object has no attribute '__array_interface__'。
浏览 10提问于2022-06-14得票数 1
1回答
我正在尝试将文件夹中的图像转换为张量，保存它并在以后加载它们，如下所示
transform = transforms.Compose([
transforms.ToTensor()])
dataset = datasets.ImageFolder(
r'imagedata', transform=transform)
torch.save(dataset, 'train_data.pt')
但是，当我试图加载经过训练的文件时，我会得到一个值错误，如下所示：
train_codes = torch.Tensor(torch.load(os.path.jo
浏览 1提问于2022-08-16得票数 0
假设我们有两个TensorFlow张量：input和weights。
比方说，input是n个图像的张量。所以它的形状是n，H，W，C。weights是n个标量权重的简单列表：[w1 w2 ... wn]
其目的是将每个图像与其相应的权重进行标量相乘。
如何做到这一点？
我尝试使用具有1x1核的tf.nn.conv2D，但我不知道如何将秩1权重张量重塑为所需的秩4核张量。
任何帮助都将不胜感激。
浏览 2提问于2019-10-20得票数 1
1回答
我对Tensorflow完全陌生。 我的目标很简单:我有一个3d张量作为输入/训练值，我想把它“映射”到一个1d输出张量。 当运行我的模型时，我得到一个错误，1d输出张量不能分配给定义的[5, 5]形状： const model = tf.sequential({
layers: [
tf.layers.dense({
inputShape: [5, 5],
units: 32,
activation: "relu"
}),
tf.layers.dense({ units: 1, activation: "
浏览 14提问于2020-01-13得票数 2
回答已采纳
1回答
选择NIfTi而不是DICOM有什么主要好处吗？作为数据格式的选择？我正在研究3D体积语义分割。在提供给网络之前，我必须将格式转换为numpy数组或张量，但对选择的性能优势感到好奇。
浏览 76提问于2020-01-21得票数 0
回答已采纳
我尝试设置一个图像管道，该管道为Tensorflow构建一个图像数据集，该数据集可以对图像进行裁剪。我遵循这个，但是我想将文件裁剪成一个正方形，而不是在不保留高宽比的情况下调整它的大小。我不知道怎么得到它们的尺寸。
#
from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow as tf
#
import glob
AUTOTUNE = tf.data.experimental.AUTOTUNE
IMAGE_SIZE = 192
def pr
浏览 3提问于2019-06-12得票数 5
回答已采纳
我有一个很大的3D图像目录(.nii)。我正在对它们进行循环，并返回最大文件(x，y，z)的最大形状。
r = []
for subdir, dirs, files in os.walk(data_dir):
for file in files:
if file.endswith(".nii"):
r.append(file)
print(r)
shapes = np.array([s.spatial_shape for s in r])
print(shapes.max(axis=0))
生成一个我想要的图像列表，但是当我尝试
浏览 2提问于2021-07-22得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
