Python tf.keras.layers.Cropping3D用法及代码示例

3D 数据的裁剪层(例如空间或spatio-temporal)。

继承自：Layer，Module

用法

tf.keras.layers.Cropping3D(
    cropping=((1, 1), (1, 1), (1, 1)), data_format=None, **kwargs
)

参数

cropping
Int，或 3 个 int 的元组，或 3 个 2 个 int 的元组的元组。
- 如果 int: 对深度、高度和宽度应用相同的对称裁剪。
- 如果 3 个整数的元组：解释为深度、高度和宽度的两个不同的对称裁剪值：(symmetric_dim1_crop, symmetric_dim2_crop, symmetric_dim3_crop).
- 如果 2 个整数的 3 个元组的元组：解释为((left_dim1_crop, right_dim1_crop), (left_dim2_crop, right_dim2_crop), (left_dim3_crop, right_dim3_crop))
data_format 一个字符串，是 channels_last (默认)或 channels_first 之一。输入中维度的排序。 channels_last 对应于形状为 (batch_size, spatial_dim1, spatial_dim2, spatial_dim3, channels) 的输入，而 channels_first 对应于形状为 (batch_size, channels, spatial_dim1, spatial_dim2, spatial_dim3) 的输入。它默认为您的 Keras 配置文件中的 image_data_format 值 ~/.keras/keras.json 。如果您从未设置它，那么它将是"channels_last"。

例子：

input_shape = (2, 28, 28, 10, 3)
x = np.arange(np.prod(input_shape)).reshape(input_shape)
y = tf.keras.layers.Cropping3D(cropping=(2, 4, 2))(x)
print(y.shape)
(2, 24, 20, 6, 3)

输入形状：

具有形状的 5D 张量：

如果 data_format 是 "channels_last" ： (batch_size, first_axis_to_crop, second_axis_to_crop, third_axis_to_crop, depth)
如果 data_format 是 "channels_first" ： (batch_size, depth, first_axis_to_crop, second_axis_to_crop, third_axis_to_crop)

输出形状：

具有形状的 5D 张量：

如果 data_format 是 "channels_last" ： (batch_size, first_cropped_axis, second_cropped_axis, third_cropped_axis, depth)
如果 data_format 是 "channels_first" ： (batch_size, depth, first_cropped_axis, second_cropped_axis, third_cropped_axis)

相关用法

注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.keras.layers.Cropping3D。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。