Я работаю над нейронной сетью, где я увеличиваю данные с помощью вращения и изменяя размер каждого входного объема.Numpy конвертировать список томов объемного переменного размера в массив 4D
Позвольте мне выполнить резервное копирование, вход в сеть - трехмерный том. Я генерирую 3D-тома с переменным размером, а затем накладываю каждый том на нуль так, чтобы входной объем был постоянным. Проверьте here на вопрос, который у меня был с заполнением (теперь разрешено).
Я генерирую 3D-объем переменного размера, добавляю его в список и преобразовываю список в массив numpy. На данный момент, обивка не произошло так, превращая его в 4D кортеж не имеет никакого смысла ...
input_augmented_matrix = []
label_augmented_matrix = []
for i in range(n_volumes):
if i % 50 == 0:
print ("Augmenting step #" + str(i))
slice_index = randint(0,n_input)
z_max = randint(5,n_input)
z_rand = randint(3,5)
z_min = z_max - z_rand
x_max = randint(75, n_input_x)
x_rand = randint(60, 75)
x_min = x_max - x_rand
y_max = randint(75, n_input_y)
y_rand = randint(60, 75)
y_min = y_max - y_rand
random_rotation = randint(1,4) * 90
for j in range(2):
temp_volume = np.empty((z_rand, x_rand, y_rand))
k = 0
for z in range(z_min, z_max):
l = 0
for x in range(x_min, x_max):
m = 0
for y in range(y_min, y_max):
if j == 0:
#input volume
try:
temp_volume[k][l][m] = input_matrix[z][x][y]
except:
pdb.set_trace()
else:
#ground truth volume
temp_volume[k][l][m] = label_matrix[z][x][y]
m = m + 1
l = l + 1
k = k + 1
temp_volume = np.asarray(temp_volume)
temp_volume = np.rot90(temp_volume,random_rotation)
if j == 0:
input_augmented_matrix.append(temp_volume)
else:
label_augmented_matrix.append(temp_volume)
input_augmented_matrix = np.asarray(input_augmented_matrix)
label_augmented_matrix = np.asarray(label_augmented_matrix)
Размеры input_augmented_matrix
на данный момент является (N,)
Тогда я подушечка со следующим кодом. ..
for i in range(n_volumes):
print("Padding volume #" + str(i))
input_augmented_matrix[i] = np.lib.pad(input_augmented_matrix[i], ((0,n_input_z - int(input_augmented_matrix[i][:,0,0].shape[0])),
(0,n_input_x - int(input_augmented_matrix[i][0,:,0].shape[0])),
(0,n_input_y - int(input_augmented_matrix[i][0,0,:].shape[0]))),
'constant', constant_values=0)
label_augmented_matrix[i] = np.lib.pad(label_augmented_matrix[i], ((0,n_input_z - int(label_augmented_matrix[i][:,0,0].shape[0])),
(0,n_input_x - int(label_augmented_matrix[i][0,:,0].shape[0])),
(0,n_input_y - int(label_augmented_matrix[i][0,0,:].shape[0]))),
'constant', constant_values=0)
на данный момент, размеры еще (N,)
, даже если каждый элемент списка является постоянным. Например input_augmented_matrix[0] = input_augmented_matrix[1]
В настоящее время я просто просматриваю и создаю новый массив, но он занимает слишком много времени, и я бы предпочел какой-то метод, который автоматизирует это. Я делаю это со следующим кодом ...
input_4d = np.empty((n_volumes, n_input_z, n_input_x, n_input_y))
label_4d = np.empty((n_volumes, n_input_z, n_input_x, n_input_y))
for i in range(n_volumes):
print("Converting to 4D tuple #" + str(i))
for j in range(n_input_z):
for k in range(n_input_x):
for l in range(n_input_y):
input_4d[i][j][k][l] = input_augmented_matrix[i][j][k][l]
label_4d[i][j][k][l] = label_augmented_matrix[i][j][k][l]
Есть ли более чистый и быстрый способ сделать это?
благодарит за помощь! это выглядит намного лучше :) и это класс данных для сети tensorflow –
@ KendallWeihe приветствуем вас! Решает ли он вашу проблему, или я что-то пропустил? – Charlie