如何将这个numpy one liner转换为Tensorflow后端代码？

我有多个从不同角度显示汽车的深度图。我需要计算它们在损失函数中的匹配程度，所以我必须将它们重新投影到不同的视图中。深度贴图位于相对于车辆长度的立方体中。图像的形状为（256256）。我已经编写了将它们转换为带有后端函数（256*256,3）的点云的代码。我可以用numpy将此点云重新投影到侧视图，如下所示：

reProj = np.zeros((256, 256), np.float32)
reProj[pointCloud[:, 1], pointCloud[:, 2]] = pointCloud[:, 0]

如何将其转换为keras后端代码？我想应该有一个聚会在那里的某个地方，但我就是不能让它工作

示例：

源深度图像：

被谴责：

谢谢你的帮助

---

编辑：关于数据的最小工作示例：

您可以通过使用

tf.matmul（）

来完成此操作。第一个输入将是您的点云，我假设您为每个像素存储一个3d向量x、y、z。第二个输入将是与所需投影相关的3d旋转矩阵，请记住，这适用于所需的每个角度，只需定义3x3矩阵即可

如果我正确理解了你的数据，你需要旋转90度，这样矩阵就会

1 0 0
0 0 -1
0 1 0

阅读更多关于旋转矩阵的信息

---

只需转到树维度，看看您需要什么

所以我最终找到了答案，我只是想错了。这不是聚集操作，而是分散操作。现在这个很好用

indices = K.stack([p[:, 1], p[:, 2]], -1)
indices = K.reshape(indices, (256, 256, 2))
indices = K.clip(indices, 0, 256 - 1)
updates = K.reshape(p[:,0], (256,256))
reProj = tf.tensor_scatter_nd_max(tf.zeros((256, 256), tf.int32), indices, updates)

---

您对tensorflow函数满意吗，还是只想使用

tf.keras.backend

？另外，您是否保证

pointCloud[：，0]

和

pointCloud[：，1]

覆盖数组的所有索引？我可以在loss函数中使用tensorflow函数吗？我在这方面没有太多经验，但从我所读到的，你只能使用后端功能？是的，[：，0]和[：，1]覆盖了数组的所有索引。您完全可以在损失函数中使用TensorFlow函数。但是，您只能使用tensorflow后端运行keras。感谢您的澄清。我刚刚意识到我在标记上撒了谎，[：，1]包含深度数据，所以它只覆盖了数组的一部分。