Python 3.x 如何在Keras网络模型中调整三维体积的大小？

我有一个3D卷，比如说（142142142）大小。我将dim扩展为通道，因为体积被视为灰度图像，所以（142、142、142、1）

然后我想将这些卷的一批输入到Keras模型中。首先，我将卷裁剪为（32,32,32,1）。然后，我需要将裁剪的立方体调整为（48,48,48,1）。所以我写了一个这样的模型,

input_shape=（input_dim，input_dim，input_dim，1）
input1=Input（shape=Input\u shape，name=“Input\u 1”）
裁剪=裁剪3D（裁剪，数据_format=“通道_last”）（输入1）
调整大小=λ（
lambda多维数据集：K.调整卷大小（多维数据集，2，2，2，数据格式=“通道最后一个”）
)（裁剪）

但是，

keras.backend.resize\u volumes

只允许输入一个整数作为调整大小的因子，这意味着我的计划不能以这种方式工作，因为从32到48，调整大小的因子将是1.5

---

那么，如何调整keras层的大小呢？谢谢

这样的调整应该如何进行？有一些算法可以拉伸/调整二维图像的大小，但对于这样的三维体积，我不知道有什么（我也不知道你所说的（32,32,32,1）是什么意思）将形状视为灰度图像？

height X width X*channel

@Stewart\R您好，谢谢您的提问。也许通过

resize

，我的意思是

interpolate

或

resample

。有类似

scipy.ndimage.interpolation.zoom

这样的算法来完成这项工作，但这不适用于keras网络k模型。我希望我能在网络内部做这个

调整大小

，而不是因为特定的原因在预处理阶段。@Stewart\R至于形状，我很抱歉我没有说得足够清楚。意思是，

深度*高度*宽度*通道

或者更具体地说，

z*x*y*通道

。我稍后会编辑我的post基于您的担忧。这种调整大小应该如何进行？有一些算法可以拉伸/调整二维图像的大小，但我不知道这样的三维体积有什么效果（我也不知道您所说的（32,32,32,1）是什么意思）将形状视为灰度图像？

height X width X*channel

@Stewart\R您好，谢谢您的提问。也许通过

resize

，我的意思是

interpolate

或

resample

。有类似

scipy.ndimage.interpolation.zoom

这样的算法来完成这项工作，但这不适用于keras网络k模型。我希望我能在网络内部做这个

调整大小

，而不是因为特定的原因在预处理阶段。@Stewart\R至于形状，我很抱歉我没有说得足够清楚。意思是，

深度*高度*宽度*通道

或者更具体地说，

z*x*y*通道

。我稍后会编辑我的p基于您的担忧。