tensorflow或numpy中矩阵的特殊平铺

考虑T（w x h x d）的三维张量

目标是通过以一种独特的方式沿三维平铺来创建一个R（w x h x K）张量，其中K=d x K

张量应在第三维k次中重复每个切片，这意味着：

T[:,:,0]=R[:,:,0:k] and T[:,:,1]=R[:,:,k:2*k]

---

标准平铺有一个细微的区别，它给出了

T[：，：，0]=R[：，：，：：k]

，在三维空间中每第k个点重复一次。

使用

np。沿着该轴重复-

np.repeat(T,k,axis=2) 

样本运行-

In [688]: # Setup
     ...: w,h,d = 2,3,4
     ...: k = 2
     ...: T = np.random.randint(0,9,(w,h,d))
     ...: 
     ...: # Original approach
     ...: R = np.zeros((w,h,d*k),dtype=T.dtype)
     ...: for i in range(4):
     ...:     R[:,:,i*k:(i+1)*k] = T[:,:,i][...,None]
     ...:  

In [692]: T
Out[692]: 
array([[[4, 5, 6, 4],
        [5, 4, 4, 3],
        [8, 0, 0, 8]],

       [[7, 3, 8, 0],
        [8, 7, 0, 8],
        [3, 6, 8, 5]]])


In [690]: R
Out[690]: 
array([[[4, 4, 5, 5, 6, 6, 4, 4],
        [5, 5, 4, 4, 4, 4, 3, 3],
        [8, 8, 0, 0, 0, 0, 8, 8]],

       [[7, 7, 3, 3, 8, 8, 0, 0],
        [8, 8, 7, 7, 0, 0, 8, 8],
        [3, 3, 6, 6, 8, 8, 5, 5]]])

In [691]: np.allclose(R, np.repeat(T,k,axis=2))
Out[691]: True

或者使用
np.tile
和
重塑
-

np.tile(T[...,None],k).reshape(w,h,-1)

不需要重塑
np。repeat
接受一个
axis
参数。@user2357112是的，太复杂了。谢谢，谢谢。刚刚遇到了np。重复。然而，在tensorflow中没有对应的same@user2527599怎么样？@user2527599那么，发布的解决方案对你有用吗？那么，发布的解决方案对你有用吗？