Mit extract_image_patches mit mehreren Kanälen in Tensorflow

Question

Ich mag würde meine großen 1024x1024x3 Bilder in 32x32x3 Patches spalten und somit dachte ich, dass extract_image_patches() die richtige Idee ist:

... 

patch_size = [1, 32, 32, 3] 
patch_batch = tf.extract_image_patches(
    image_batch, patch_size, patch_size, [1, 1, 1, 1], 'VALID') 
patch_batch = tf.reshape(patch_batch, [-1, 32, 32, 3]) 

wo image_batch mit tf.train.shuffle_batch() erstellt wird. Dies scheint jedoch von dieser Fehlermeldung wie erklärt ‚nicht umgesetzt‘ werden:

UnimplementedError (see above for traceback): Only support ksizes across space. 
[[Node: ExtractImagePatches = ExtractImagePatches[T=DT_FLOAT, ksizes=[1, 32, 32, 3], padding="VALID", rates=[1, 1, 1, 1], strides=[1, 32, 32, 3], _device="/job:localhost/replica:0/task:0/cpu:0"](shuffle_batch)]] 

Es gibt keine Frage ist, wenn ich meine Bilder als Graustufen lesen und verwenden 1-Kanal, aber ich möchte meine Ausbildung in Vollfarbe zu tun. Muss ich nur etwas umbauen, oder fehlt mir etwas?

Python 3.4, TensorFlow 1.1.0

Answer 1

Ich denke, sollten Sie dies versuchen:

imgs = np.random.rand(1,1024,1024,3) 
patches = tf.extract_image_patches(images=imgs, ksizes=[1, 32, 32, 1], strides=[1, 32, 32, 1], rates=[1, 1, 1, 1], padding='VALID') 
patches = tf.reshape(patches,[-1,32,32,3]) 
val = sess.run(patches) 
print val.shape 

(1024, 32, 32, 3)

Sie müssen nicht angeben # Kanäle in ksizes. Es wird Patches von jedem Kanal extrahieren und Sie können es später umformen. Hilft dir das?

Das Umformverhalten muss analysiert werden, um zu prüfen, wie Patches aussehen.