Python 如何使用pytorch在网络模型内进行三维卷的中心裁剪

在

keras

中，神经网络中有

croping3d

层用于三维体积的中心裁剪张量。然而，我在pytorch中找不到任何类似的东西，尽管它们有用于2D图像的

torchvision.transforms.CenterCrop（size）

如何在网络中进行裁剪？否则，我需要在预处理中完成它，这是出于特定原因我最不想做的事情

---

我是否需要编写一个自定义层，比如沿每个轴切片输入张量？希望能从PyTorch中获得一些灵感，你不必为每件事都写图层，通常你可以在向前传球时直接做你想做的事情。在计算火炬张量时，需要记住的基本规则是

不要将torch张量转换为其他类型进行计算（例如，使用

torch.sum

而不是转换为numpy并使用

numpy.sum

）

不要执行就地操作（例如，更改张量的一个元素或使用就地运算符，因此使用

x=x+…

而不是

x+=…

）

也就是说，你可以用切片，也许看起来像这样

def forward(self, x):
    ...
    x = self.conv3(x)
    x = x[:, :, 5:20, 5:20]    # crop out part of the feature map
    x = self.relu3(x)
    ...

---

谢谢我将测试tmr，然后接受答案。顺便说一句，我对pytorch中的

inplace

操作有点困惑。当我使用这个

self.relu=nn.relu（inplace=True）

和

self.dropout=nn.dropout（inpalce=True）

时会有问题吗，因为

inplace

在这种情况下也会发生多次。这些都是在pytorch API中特别实现的，所以应该可以。api会尽其所能确保您不会陷入混乱，因此，如果运行中没有错误，那么您应该不会有问题。这将更详细地描述。