Numpy 从top_k函数返回到图像

我解决了我的问题，但我仍然被许多功能所淹没。我希望使用tf.top_k并返回到第一张图像。熟悉tensorflow的人能帮我解决这个问题吗

详细问题：图像（4×4）作为张量-->tf.top_k-->4个值（2×2）和4个索引（2×2）-->片段-->图像（4，4）作为张量

例如，假设我们有一个图像

image = np.array([[1, 2, 3, 4],
                  [7, 8, 9, 10],
                  [19, 20, 21, 22],
                  [25, 26, 27, 28]])

x = tf.placeholder(tf.float32, [None, img_height, img_width, 1], name='x')
patches = tf.extract_image_patches(x, [1, 2, 2, 1], [1, 2, 2, 1], [1, 1, 1, 1], "SAME")
ktop, indices = tf.nn.top_k(patches, k=4, sorted=True, name=None) 

现在，我希望给ktop和索引，以获得像第一个状态一样的图像

image = np.array([[1, 2, 3, 4],
                  [7, 8, 9, 10],
                  [19, 20, 21, 22],
                  [25, 26, 27, 28]])

我尝试了很多东西，比如tf.one_hot、tf.gatter等等，但我无法得到（4,4）图像。我应该在输入和输出中有一个张量，似乎我不能使用numpy或for循环。我以前问过类似的问题，但我在这里再次问，并给出了更清楚的解释。 你能找个人帮忙解决这个问题吗。这对别人来说应该很容易，但对我来说很难

这个片段给了我第一个图像，但不是（1,4,4,1），而是（2,2,2,2）或其他形状

z1 = tf.assign(z1, tf.reshape(tf.gather(ktop[0, 0, 0, :], [indices[0, 0, 0, :]]), [2, 2]))
z2 = tf.assign(z2, tf.reshape(tf.gather(ktop[0, 0, 1, :], [indices[0, 0, 1, :]]), [2, 2]))
z3 = tf.assign(z3, tf.reshape(tf.gather(ktop[0, 1, 0, :], [indices[0, 1, 0, :]]), [2, 2]))
z4 = tf.assign(z4, tf.reshape(tf.gather(ktop[0, 1, 1, :], [indices[0, 1, 1, :]]), [2, 2]))

z = tf.concat([[z1, z2], [z3, z4]], 0)

---

在没有明确解释如何从2x4张量到4x4x1张量的情况下，我只能提出以下建议：

img_out = tf.reshape(ktop, [-1, 4, 4, 1])

---

最后，我找到了TENSORFLOW追随者至今没有重播的答案。要从top_k返回到图像，我们应该使用depth_to_space函数：

输出图像=tf.depth\u到空间( 输出图像， 2. 名称=无， 数据格式='NHWC'

---

)

我不确定我是否理解您的问题，您希望如何从2x2x4变为4x4x1？什么是

代码片段

？谢谢您的回答。如果您运行我的代码段，它会给出一个（1,4,4,1）图像作为x。然后从top_k提供8个张量：四个值（1，2，2，4）和四个索引（1，2，2，4）。现在，我想回到图像（1，4，4，1）。这是我的问题？我脑海中一个可能的解决方案是对每个值[0，：，：，0]、值[0，：，：，1]、。。。使用相应的索引获取值，并得到（1，4，4，1）的4个张量，每个张量包含值和0。然后将它们组合在一起以获得第一张图像。但是我不知道怎么做？我添加了我的代码片段以供返回。如果是MATLAB，我可以添加for循环，所有问题都可以轻松解决，但使用Tensorflow很困难。您的代码片段将更改top_k的形状，但不使用索引。我在问题中添加了一个图像，您可以单击链接查看。在这幅图中，我用一个例子详细地解释了我的问题。请你看一看，并给我一些小建议好吗？