tensorflow對圖像進行多個塊的行列拼接tf.concat(), tf.stack()

在深度學習過程中，通過卷積得到的圖像塊大小是8×8×1024的圖像塊，對得到的圖像塊進行reshape得到[8×8]×[32×32]，其中[8×8]是圖像塊的個數，[32×32]是小圖像的大小。通過tf.concat對小塊的圖像進行拼接。

-在做圖像卷積的過程中，做了這樣一個比較麻煩的拼接，現在還沒想到更好的拼接方法，因為是塊拼接，開始的時候使用了reshape，但是得到的結果不對，需要確定清楚數據的維度，對于數據的維度很是問題。

import tensorflow as tfdef tensor_concat(f, axis): x1 = f[0, :, :] for i in range(1, 8):  x1 = tf.concat([x1, f[i, :, :]], axis=axis) return x1def block_to_image(f):  x1 = tf.reshape(f, [64, 1024]) x1 = tf.reshape(x1, [64, 32, 32]) m2 = tensor_concat(x1[0:8, :, :], axis=1) for i in range(1, 8):  m1 = tensor_concat(x1[i*8:(i+1)*8, :, :], axis=1)  m2 = tf.concat([m2, m1], axis=0) x2 = tf.reshape(m2, [256, 256, 1]) return x2x = tf.random_normal([ 8, 8, 1024])with tf.Session() as sess: m = sess.run(x) m1 = sess.run(block_to_image(m))

最后通過行拼接和列拼接得到圖像大小為256×256×1大小的圖像。

對[batch_size, height, weight, channel] 的圖像進行1一樣的圖像塊拼接：

在深度神經網絡中，會有batch_size個圖像大小[256×256×1]的圖像進行塊的拼接，對于多了一個維度的圖像拼接起來，由[batch_size, 8, 8, 1024]拼接為[batch_size,256, 256, 1]。在做著部分時batch_size這部分實在是不知道怎么處理，所以還是用了本辦法，使用的函數是append和tf.stack()

def tensor_concat(f, axis): x1 = f[0, :, :] for i in range(1, 8):  x1 = tf.concat([x1, f[i, :, :]], axis=axis) return x1def block_to_image(f): x3 =[] for k in range(f.shape[0]):  x = f[k, :, :, :]  x1 = tf.reshape(x, [64, 1024])  x1 = tf.reshape(x1, [64, 32, 32])  m2 = tensor_concat(x1[0:8, :, :], axis=1)  for i in range(1, 8):   m1 = tensor_concat(x1[i*8:(i+1)*8, :, :], axis=1)   m2 = tf.concat([m2, m1], axis=0)  x2 = tf.reshape(m2, [256, 256, 1])  x3.append(x2)  x4 = tf.stack(x3) return x4 x = tf.random_normal([10, 8, 8, 1024])with tf.Session() as sess: m = sess.run(x) m1 = sess.run(block_to_image1(m))

在學習過程中對tensor不能直接賦值，比如不能寫：

x2 = tf.reshape(m2, [256, 256, 1]) x3[k, :, :, 1] = x2 

這樣的代碼，會出現錯誤：'Tensor' object does not support item assignment

對于帶有類似索引的賦值，參考的辦法是：

x3 = [] x3.append(x2) 

這時候得到的是list的格式，所以接下來將list轉化為array,使用的是tf.stack(x3)

以上這篇tensorflow對圖像進行拼接的例子就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持武林站長站。